TD2 – Mardi 14 Novembre

1.5.1 – knn
• En prenant un petit nombre de test, regardez les erreurs faites par l’algorithme.
• Regardez l’influence de k sur ces résultats

1.5.2 – knn+timer
• Combien de temps vous faudrait-il pour passer l’ensemble des exemples de test ?
• Quel est le meilleur taux de reconnaissance que vous obtenez ?

1.5.3 – light
• Combien de temps vous faudra-t-il pour passer ce nouvel ensemble de test ?
Suivant la puissance de calcul de votre machine, n’hésitez pas à regénérer des
ensembles de test et d’apprentissage avec le script donné.
• Quel est le meilleur taux de reconnaissance que vous obtenez ?

1.5.4 – confusion
• Intégrer la matrice de confusion pour visualiser la répartition des erreurs de votre
script 1.5.3

1.5.5 – sous-ech
Le script de génération des ensembles d’apprentissage et de test après sous-échantillonnage
est donné ; les ensembles générés sont également donnés.
• Affichez quelques erreurs commises par l’algorithme pour vous rendre compte de la
dégradation des images liée au sous-échantillonnage.
• Le sous-échantillonnage vous fait-il gagner beaucoup de temps à la prédiction ?
• De combien dégrade-t-il les performances ?

1.5.6 - redim
Le script de génération des ensembles d’apprentissage et de test après réduction des images.
Les ensembles générés sont également donnés.
• Affichez quelques erreurs commises par l’algorithme pour vous rendre compte de la
dégradation des images liée au sous-échantillonnage.
• Le sous-échantillonnage vous fait-il gagner beaucoup de temps à la prédiction ?
• De combien dégrade-t-il les performances ?

1.5.7 – distances
La classe Simple_2D_knn a été modifiée pour prendre en compte d’autres distances.
• En changeant la distance et k, arrivez-vous à améliorer les performances ?