Discussion :

[Maha Ing]

Salut,
j'ai utilisé trois algorithmes de classification: Random Forests, SVM linéaire et la distance euclidienne pour classifier mes images (je travaille sur un problème de reconnaissance faciale). Mes résultats ont montré que Random Forests est plus performant que les deux autres.
Alors comment pourrai-je expliquer le fait que Random Forest est meilleur que SVM, et que Random Forest et SVM surpassent la distance euclidienne?
c'est-à-dire, qu'est ce qui fait de RF un robuste classificateur par rapport aux autres? et SVM par rapport à la distance euclidienne?

[dourouc05]

Tu as le principe du there is no such thing as a free lunch : certains algorithmes fonctionnent mieux sur certains problèmes, mais rien de global. Tu as une solution qui s'adapte mieux à la structure du problème, mais, à part ça, en toute généralité… Ici, tu as peut-être une frontière non linéaire, de telle sorte que ton SVM linéaire ne peut pas bien fonctionner : ça dépend des caractéristiques que tu extrais de tes images et de leur distribution.

[Maha Ing]

Merci pour votre réponse.
De l'autre coté, comment expliquer le fait que Random forest et SVM surpassent la distance euclidienne ?

[ToTo13]

Les RF sont non linéaires, donc si la solution à ton problème ne l'est pas non plus, ça donne au RF un avantage.
Si deux classifieurs linéaires donnent différents résultats pour un problème donnée, alors ça veut dire que l'approche du meilleur est mieux adaptée pour ce problème particulier !!!