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

素敵なパーティクル

UnityのMonoBehaviourクラスをシングルトン化する

ドットインストールのWordPress入門レッスン

BGSLibrary:OpenCVベースの背景差分ライブラリ

Physics Forests:機械学習で流体シミュレーションを近似する

Open3D:3Dデータ処理ライブラリ

Cartographer:オープンソースのSLAMライブラリ

CycleGAN:ドメイン関係を学習した画像変換

PGGAN:段階的に解像度を上げて学習を進めるGAN

「うぶんちゅ!」

ツールの補助で効率的に研究論文を読む

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

AmazonEC2のインスタンスをt1.microからt2.microへ移行する

ROMOハッカソンに行ってきた

OpenGV:画像からカメラの3次元位置・姿勢を推定するライブラリ

UnityでShaderの入力パラメータとして行列を渡す

クライマックスヒーローズ

大人用変身ベルト『仮面ライダーディケイド ディケイドライバー』

全脳アーキテクチャ勉強会

タマムシっぽい質感

フォトンの放射から格納までを可視化した動画

Math.NET Numerics:Unityで使える数値計算ライブラリ

trimesh:PythonでポリゴンMeshを扱うライブラリ

『Oto-Latte(オトラテ)』テキストのニュース記事をラジオ番組のように音声で聞けるスマホアプリ

WordPress on Google App Engineを1週間運用してみて

『ヒカリ展』に行ってきた

もちもち泡のネコ

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

サンライズの勇者シリーズ30周年

機械学習で遊ぶ

ZBrushで作った3Dモデルを立体視で確認できるVRアプリを作る

WordPressの表示を高速化する

OpenCVでカメラ画像から自己位置認識 (Visual Odometry)

FCN (Fully Convolutional Network):ディープラーニングによるSema...

ちっちゃいデスクトップパソコンだよ

VCG Library:C++のポリゴン操作ライブラリ

ゴジラのスマホゲーム『Godzilla: Strike Zone』

まだ続くブログの不調

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

趣味でCEDECに来ている者だ

pythonの機械学習ライブラリ『scikit-learn』

C++ 標準テンプレートライブラリ (STL)

コメント