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

オープンソースの取引プラットフォーム
偏愛マップ
Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』
C#で使える遺伝的アルゴリズムライブラリ『GeneticSharp』
DensePose:画像中の人物表面のUV座標を推定する
消費の記録
iOSで使えるJetpac社の物体認識SDK『DeepBelief』
takminさんが機械学習・画像認識の便利ツールを公開しています
C++始めようと思うんだ
ドラマ『ファースト・クラス』のパラレルショートド­ラマ『ファースト・クラス・ガールズ』
CM
仮面ライダーあつめ
Seleniumを使ったFXや株の自動取引
openMVG:複数視点画像から3次元形状を復元するライブラリ
『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
CycleGAN:ドメイン関係を学習した画像変換
OpenCVベースのマーカーARライブラリ『OpenAR』
ミステリー・コメディドラマ『名探偵モンク』
ちょっと凝り過ぎなWebキャンペーン:全日本バーベイタム選手権 (MITSUBISHI KAGAKU...
BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール
iPhone x ロボットハッカソン~RomoのiPhone用SDKで目覚ましアプリを作る~
バーガーキングのCM
DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...
Arduinoで人感センサーを使う
iPhoneをエレキギターのアンプにする
クラスの基本
Deep Neural Networkによる顔の個人識別フレームワーク『OpenFace』
書籍『仕事ではじめる機械学習』を読みました
OpenCVのための軽量GUIライブラリ『cvui』
Accord.NET Framework:C#で使える機械学習ライブラリ
SSD (Single Shot Multibox Detector):ディープラーニングによる一般...
AndroidもopenGLも初心者さ (でもJavaは知ってるよ)
DMMが秋葉原にMakerスペース『DMM.make AKIBA』をオープン
PS3用ソフト『ゴジラ-GODZILLA-』を買った
RSSフィードを読込んで表示するWordpressプラグイン『RSSImport』
libigl:軽量なジオメトリ処理ライブラリ
天体写真の3D動画
バージョン管理の履歴を可視化するツール『Gource』
Math Inspector:科学計算向けビジュアルプログラミングツール
WebGL開発に関する情報が充実してきている
Chevy shows off Transformers: Revenge of the Falle...
Raspberry Pi 2を買いました

コメント