Surapprentissage

La double descente fait référence à un phénomène en apprentissage automatique où la performance du modèle s'améliore après un surapprentissage.

Un modèle surparamétré possède plus de paramètres que nécessaire, ce qui peut conduire à de meilleures performances sur les données d’entraînement mais comporte un risque de surapprentissage.