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。


スポンサーリンク

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。


スポンサーリンク

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。


スポンサーリンク

関連記事

PowerPointによるプレゼン
OpenCV 3.3.0-RCでsfmモジュールをビルド
最高にカッコイイガラス細工
ドットインストールのWordPress入門レッスン
Math.NET Numerics:Unityで使える数値計算ライブラリ
CM
趣味でCEDECに来ている者だ
SUMMER TERRACE 2017 LIVE TERRACE
Deep Neural Networkによる顔の個人識別フレームワーク『OpenFace』
日立のフルパララックス立体ディスプレイ
PSPNet (Pyramid Scene Parsing Network):ディープラーニングによ...
OpenCVの三角測量関数『cv::triangulatepoints』
複数画像から3次元形状を再構築するライブラリ『Multi-View Environment』
HerokuでMEAN stack
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハンズオンセミナーに行ってきた
犬が電柱におしっこするように、僕はセカイカメラでエアタグを貼る(初日の感想)
ミニ四駆ブーム?
Python for Unity:UnityEditorでPythonを使えるパッケージ
読みやすくて高速なディープラーニングのフレームワーク『Caffe』
UnityでPoint Cloudを表示する方法
Webサイトのワイヤーフレームが作成できるオンラインツール
複数視点画像から3次元形状を復元するライブラリ『openMVG』
Raspberry Pi 2のGPIOピン配置
まだ続くブログの不調
Faster R-CNN:ディープラーニングによる一般物体検出手法
TeleSculptor:空撮動画からPhotogrammetryするツール
PythonでBlenderのAdd-on開発
Boost オープンソースライブラリ
素敵なパーティクル
UnityでLight Shaftを表現する
天体写真の3D動画
文献管理ツール『ReadCube』
全脳アーキテクチャ勉強会
ZBrushのZScript入門
第1回 3D勉強会@関東『SLAMチュートリアル大会』
サービスを成長させるための『グロースハック』という仕事
Unityで学ぶC#
TensorFlowでCGを微分できる『TensorFlow Graphics』
日米の働き方をコミカルに比較した動画
OANDAのfxTrade API
Profilograph
C#で使える遺伝的アルゴリズムライブラリ『GeneticSharp』

コメント