Machine learning: comment éviter le surapprentissage sur un petit dataset ?
posée 13 days ago53 vuesfr
J'ai seulement ~2000 exemples étiquetés. Le modèle mémorise l'ensemble d'entraînement. Régularisation, augmentation de données, validation croisée — par où commencer ?
🤖 Diagnostic IA
Généré par IA. Ce n'est pas une réponse — la communauté ci-dessous le confirme ou le corrige. Vérifiez toujours avant de vous y fier.
2 réponses
Use a healthcheck and condition: service_healthy:
db:
healthcheck:
test: ["CMD-SHELL", "pg_isready -U postgres"]
interval: 5s
retries: 5
app:
depends_on:
db:
condition: service_healthyAlso add app-level connection retries — containers restart.
Connectez-vous pour dire si ça a marché.
With ~2000 examples: start with cross-validation (5-fold), strong regularization (dropout / weight decay), and early stopping. Then data augmentation. Prefer a small model or fine-tune a pretrained one rather than training from scratch.
Connectez-vous pour dire si ça a marché.
Sign in and verify your email to post an answer.