En moyenne sur l'ensemble des problèmes de machine learning, aucun algorithme n'aura de meilleure performance qu'un autre.

En moyenne sur l'ensemble des problèmes de machine learning, il existe quelques algorithmes qui surpassent tous les autres.

Chaque problème nécessite que l'on construise des hypothèses de modélisation spécifiques afin de le résoudre avec efficacité.

Changer les hypothèses de modélisation, notamment les simplifier.

Réduire le nombre de variables en entrée.

Attendre encore en espérant que la situation change.

Abandonner le problème, la data science ne permettra pas de résoudre ce problème.

En diminuant la variance du modèle grâce à des méthodes ensemblistes

En essayant de trouver l'optimum de l'erreur global (biais+variance) en fonction de la complexité

En entraînant l'algorithme avec plus de données