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

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...
パルクール(Parkour)
MLDemos:機械学習について理解するための可視化ツール
AndroidもopenGLも初心者さ (でもJavaは知ってるよ)
データサイエンティストって何だ?
大人の知識で玩具の改造
Profilograph
OpenGVの用語
SONYの自律型エンタテインメントロボット『aibo』
オープンソースのネットワーク可視化ソフトウェアプラットフォーム『Cytoscape』
HD画質の無駄遣い
OpenMVSのサンプルを動かしてみる
Pythonのベイズ統計ライブラリ『PyMC』
ArUco:OpenCVベースのコンパクトなARライブラリ
JavaScriptとかWebGLとかCanvasとか
オープンソースの顔認識フレームワーク『OpenBR』
書籍『仕事ではじめる機械学習』を読みました
OpenCV 3.1とopencv_contribモジュールをVisual Studio 2015で...
THIS IS IT ⇔ IT IS NOT THIS!
GoogleのDeep Learning論文
Mitsuba 2:オープンソースの物理ベースレンダラ
python-twitterで自分のお気に入りを取得する
天体写真の3D動画
Unity ARKitプラグインサンプルのチュートリアルを読む
ミニ四駆を改造してBluetoothラジコン化する
Googleが画像解析旅行ガイドアプリのJetpac社を買収
Microsoft Mathematics:数学の学習支援ツール
Google App Engine上のWordPressでAmazonJSを利用する
Python拡張モジュールのWindows用インストーラー配布サイト
素敵なパーティクル
Unityの各コンポーネント間でのやり取り
WordPressプラグインの作り方
iOSデバイスのためのフィジカル・コンピューティングツールキット『konashi(こなし)』
Unityで学ぶC#
UnityでPoint Cloudを表示する方法
CGのためのディープラーニング
定数
GAN (Generative Adversarial Networks):敵対的生成ネットワーク
OpenCVベースの背景差分ライブラリ『BGSLibrary』
ディープラーニングに対応したPythonの機械学習ライブラリ『Pylearn2』
IronPythonを使ってUnity上でPythonのコードを実行する
ミニ四駆にステアリングを仕込んだ人

コメント