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

Seleniumを使ったFXや株の自動取引

VCG Library:C++のポリゴン操作ライブラリ

なりきり玩具と未来のガジェット

OANDAのfxTrade API

Web経由でRaspberry PiのGPIOを操作したい

オープンソースのプリント基板設計ツール『KiCad』

ZScript

ArUco:OpenCVベースのコンパクトなARライブラリ

UnityでTweenアニメーションを実装できる3種類の無料Asset

THIS IS IT ⇔ IT IS NOT THIS!

仮想関数

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

LLM Visualization:大規模言語モデルの可視化

Transformer Explainer:テキスト生成モデルの可視化ツール

CNN Explainer:畳み込みニューラルネットワーク可視化ツール

進撃のタカラトミー

PyDataTokyo主催のDeep Learning勉強会

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

Houdiniのライセンスの種類

ニューラルネットワークと深層学習

UnityでOpenCVを使うには?

RefineNet (Multi-Path Refinement Network):ディープラーニン...

組み込み向けのWindows OS 『Windows Embedded』

生物の骨格

Arduinoで作るダンボーみたいなロボット『ピッコロボ』

Zibra Liquids:Unity向け流体シミュレーションプラグイン

書籍『ROSプログラミング』

ディープラーニング

OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる

フォトンの放射から格納までを可視化した動画

『ヒカリ展』に行ってきた

NeuralNetwork.NET:.NETで使えるTensorFlowライクなニューラルネットワー...

Unityの薄い本

PS3用ソフト『ゴジラ-GODZILLA-』を買った

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

OpenMVS:Multi-View Stereoによる3次元復元ライブラリ

openMVGをWindows10 Visual Studio 2015環境でビルドする

AnacondaとTensorFlowをインストールしてVisual Studio 2015で使う

PCの自作

共通の「思い出のコンテンツ」がない世代

UnityのTransformクラスについて調べてみた

TorchStudio:PyTorchのための統合開発環境とエコシステム

コメント