Deep Learningとその他の機械学習手法の性能比較

Rでディープラーニングとそれ以外の機械学習手法を比較した記事を見つけた。H2Oっていうディープラーニングに対応したR言語用のパッケージがあるのね。
使用するデータはサンプルデータでおなじみの「Iris flower data set」。アヤメの花びらの幅、長さ、がくの幅、長さ、種類の統計情報で、Rや、Pythonの機械学習ライブラリだと標準で入っていたりするデータ。scikit-learnにも入ってたな。

この記事では、このデータを使ってアヤメの種類を予測を行い、精度を比較している。↓
Deep Learningの性能を見てみよう ~Iris編~

Deep Learningの性能比較対象として以下の機械学習の手法を用いました。

  • 決定木
  • ランダムフォレスト
  • Extremely Randomized Trees (ERT)
  • サポートベクターマシーン
  • ニューラルネットワーク
  • ブースティング(adaboost/弱学習器は決定木)
  • バギング(弱学習器は決定木)

Deep Learningを含め、それぞれの手法はハイパーパラメータによって性能が変わりますが、今回は単純にRのパッケージのデフォルト値を用いています。
(中略)
Deep Learningが他の手法を抑えてエラー率が一番小さい結果となりました。学習器がランダム性を含んでいるものもあるので、乱数を変えて行うと多少違う結果を得ることになりますが、今回のケースでは乱数を変えて行ってもDeep Learningのエラー率が一番小さくなることが多い結果となりました。

元記事ではRのサンプルコードと、エラー率をプロットした図が載ってる。機械学習手法は、パラメータ調整でパフォーマンスが結構変動するので、デフォルトパラメータでの比較だけでは語れないわけだけど、なんとなくディープラーニングだけ他とは桁外れな感じではある。

そして、こっちでもH2Oを使って別のデータを試している。データセットが少ないと結果にかなり変動があるらしい。↓
H2OのRパッケージ{h2o}でお手軽にDeep Learningを実践してみる(1):まずは決定境界を描く

元々H2Oはin-memoryプラットフォームとしてHadoop上や最近だとSpark上で動かすのを前提として配布されているデータ分析&機械学習フレームワークなんですが、何故かRパッケージも配布してるんですね。
(中略)
で、3000×7および100×2という2つのデータセットに対してやってみた結果なんですが、h2o.deeplearningの挙動を見た感じだとめちゃくちゃ不安定なんですよね。というか、チューニング次第でいかようにも決定境界が好き放題変わってしまうというイメージ。。。これは正直ちょっと意外でした。けれどもよくよく考えたらそれでも当然なのかなぁと。

理由はいくつか考えられて、まずそもそもそんな小さなサンプルサイズのデータセットに使うものじゃないんじゃないか?ということ。むしろ3000×7とか100×2みたいなスモールデータにDeep Learningを使うのが間違ってるだろ!ということなんでしょうが、言い換えると「とてもじゃないが精度と汎化性能の両立が従来の分類器では達成しようがないような巨大データに対してDeep Learningを用いるべき」ということなのかなぁと。

関連記事

SONYの自律型エンタテインメントロボット『aibo』

Googleが画像解析旅行ガイドアプリのJetpac社を買収

ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...

PyTorch3D:3Dコンピュータービジョンライブラリ

OpenMVSのサンプルを動かしてみる

OpenVDB:3Dボリュームデータ処理ライブラリ

pythonもかじってみようかと

ヒトデの骨格のような構造物を作成するシステム『KINEMATICS』

Chevy shows off Transformers: Revenge of the Falle...

ほっこり日常まんが

LLM Visualization:大規模言語モデルの可視化

Mitsuba 2:オープンソースの物理ベースレンダラ

偏愛マップ

日立のフルパララックス立体ディスプレイ

iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』

WebGL開発に関する情報が充実してきている

PythonでMayaのShapeノードプラグインを作る

趣味でCEDECに来ている者だ

CLO:服飾デザインツール

今年もSSII

FacebookがDeep learningツールの一部をオープンソース化

なぜ書店で販売しているのか謎な商品 メタルキットシリーズ

ZBrushのZScript入門

PCの自作

OpenCVでiPhone6sのカメラをキャリブレーションする

Twitter APIのPythonラッパー『python-twitter』

オープンソースの顔の動作解析ツールキット『OpenFace』

libigl:軽量なジオメトリ処理ライブラリ

2D→3D復元技術で使われる用語まとめ

Point Cloud Utils:Pythonで3D点群・Meshを扱うライブラリ

OpenCV3.3.0でsfmモジュールのビルドに成功!

NumSharp:C#で使えるNumPyライクな数値計算ライブラリ

カッコ良過ぎるデスクトップパソコン

MPFB2:Blenderの人体モデリングアドオン

書籍『OpenCV 3 プログラミングブック』を購入

OpenAR:OpenCVベースのマーカーARライブラリ

openMVG:複数視点画像から3次元形状を復元するライブラリ

Arduinoで作るダンボーみたいなロボット『ピッコロボ』

Google App Engineのデプロイ失敗

ギター曲向けの作曲ツール『TuxGuitar』

OpenCVで平均顔を作るチュートリアル

Google XML Sitemap Generatorプラグインを3.4.1へダウングレード

コメント