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

PGGAN:段階的に解像度を上げて学習を進めるGAN
Kubric:機械学習用アノテーション付き動画生成パイプライン
日米の働き方をコミカルに比較した動画
Google製オープンソース機械学習ライブラリ『TensorFlow』のWindows版が公開された
OpenCVで顔のランドマークを検出する『Facemark API』
PS3用ソフト『ゴジラ-GODZILLA-』を買った
シフトカーの改造
Unityからkonashiをコントロールする
2D→3D復元技術で使われる用語まとめ
マインドマップ作成ツール『MindNode』
OpenCLに対応したオープンソースの物理ベースレンダラ『LuxRender(ルクスレンダー)』
機械学習手法『Random Forest』
OpenCVの顔検出過程を可視化した動画
OpenMVS:Multi-View Stereoによる3次元復元ライブラリ
ドラマ『ファースト・クラス』第2弾 10月から放送
豆腐みたいな付箋
機械学習のオープンソースソフトウェアフォーラム『mloss(machine learning ope...
OpenCV バージョン4がリリースされた!
ミニ四駆で電子工作
仮面ライダーバトライド・ウォー
大人の知識で玩具の改造
HaskellのAPI検索サイト 『Hoogle』
カメラ付きの空飛ぶリストバンドで自撮りする発明(ウェアラブル・ドローン)
ZScript
重いコンテンツとゆるいコンテンツ
Profilograph
DTCP-IP対応のDLNAクライアントアプリ『Media Link Player for DTV』
Kaolin:3Dディープラーニング用のPyTorchライブラリ
書籍『ゼロから作るDeep Learning』で自分なりに学ぶ
深海魚
Unity ARKitプラグインサンプルのドキュメントを読む
OANDAのfxTrade API
GAN (Generative Adversarial Networks):敵対的生成ネットワーク
ミステリー・コメディドラマ『名探偵モンク』
タマムシっぽい質感
Amazon EC2ログイン用の秘密鍵を無くした場合の対処方法
Google Chromecast
PowerPointによるプレゼン
スタートアップの資金調達をまとめたインフォグラフィック
生物の骨格
天体写真の3D動画
KelpNet:C#で使える可読性重視のディープラーニングライブラリ

コメント