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

『ヒカリ展』に行ってきた

統計学に入門したい

UnityからROSを利用できる『ROS#』

クラスの基本

書籍『3次元コンピュータビジョン計算ハンドブック』を購入

SegNet:ディープラーニングによるSemantic Segmentation手法

U-Net:ディープラーニングによるSemantic Segmentation手法

HD画質の無駄遣い

『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

BGSLibrary:OpenCVベースの背景差分ライブラリ

JavaScriptとかWebGLとかCanvasとか

Model View Controller

PSPNet (Pyramid Scene Parsing Network):ディープラーニングによ...

WinSCP

もちもち泡のネコ

VCG Library:C++のポリゴン操作ライブラリ

OpenCVで動画の手ぶれ補正

SVM (Support Vector Machine)

Dlib:C++の機械学習ライブラリ

今年もSSII

Faster R-CNN:ディープラーニングによる一般物体検出手法

SSD (Single Shot Multibox Detector):ディープラーニングによる一般...

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~

R-CNN (Regions with CNN features):ディープラーニングによる一般物体...

Unityで画面タッチ・ジェスチャ入力を扱う無料Asset『TouchScript』

Rerun:マルチモーダルデータの可視化アプリとSDK

シフトカーの改造

ManimML:機械学習の概念を視覚的に説明するためのライブラリ

Studio One Prime:音楽制作ソフトの無償版

Theia:オープンソースのStructure from Motionライブラリ

ミニ四駆で電子工作

最高にカッコイイガラス細工

OpenCVで顔のランドマークを検出する『Facemark API』

Unityの各コンポーネント間でのやり取り

データサイエンティストって何だ?

OpenCV3.3.0でsfmモジュールのビルドに成功!

Houdiniのライセンスの種類

Pythonのソースコードに特化した検索エンジン『Nullege』

ManuelBastioniLAB:人体モデリングできるBlenderアドオン

日立のフルパララックス立体ディスプレイ

OpenAR:OpenCVベースのマーカーARライブラリ

PCの自作

コメント