Machine Learning avec Scikit-Learn

202

Chapitre 7. Apprentissage d’ensemble et forêts aléatoires

7.7 EXERCICES

1. Si vous avez entraîné cinq modèles différents sur les mêmes données

d’entraînement et s’ils ont tous atteint une précision de 95 %, y

a-t-il un moyen de combiner ces modèles pour obtenir de meilleurs

résultats? Si oui, comment? Sinon, pourquoi?

2. Quelle est la différence entre les classicateurs à vote rigide et à vote

souple?

3. Est-il possible d’accélérer l’entraînement d’un ensemble de bagging

en le distribuant entre plusieurs serveurs? Même question pour des

ensembles de type pasting, boosting, forêt aléatoire ou stacking?

4. Quel est l’avantage de l’évaluation ...