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

cvui:OpenCVのための軽量GUIライブラリ

Google Colaboratoryで遊ぶ準備

OpenVDB:3Dボリュームデータ処理ライブラリ

UnityのGameObjectの向きをScriptで制御する

仮面ライダーあつめ

パルクール(Parkour)

OpenCV 3.1のsfmモジュールのビルド再び

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

BGSLibrary:OpenCVベースの背景差分ライブラリ

続・ディープラーニングの資料

バーガーキングのCM

Mitsuba 3:オープンソースの研究向けレンダラ

OpenMVS:Multi-View Stereoによる3次元復元ライブラリ

士郎正宗の世界展〜「攻殻機動隊」と創造の軌跡〜

Dlib:C++の機械学習ライブラリ

重いコンテンツとゆるいコンテンツ

ブログのデザイン変えました

ROMOハッカソンに行ってきた

Kornia:微分可能なコンピュータービジョンライブラリ

ZBrushのZScript入門

Google XML Sitemap Generatorプラグインを3.4.1へダウングレード

3D復元技術の情報リンク集

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』

PGGAN:段階的に解像度を上げて学習を進めるGAN

C++始めようと思うんだ

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

GoogleのDeep Learning論文

geometry3Sharp:Unity C#で使えるポリゴン操作ライブラリ

FabCafe主催 Fabミニ四駆カップ 2014

Web経由でRaspberry PiのGPIOを操作したい

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

DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...

Unityの各コンポーネント間でのやり取り

株式会社ヘキサドライブの研究室ページ

Model View Controller

TorchStudio:PyTorchのための統合開発環境とエコシステム

MPFB2:Blenderの人体モデリングアドオン

大人の知識で玩具の改造

生物の骨格

オープンソースのプリント基板設計ツール『KiCad』

OpenCVでiPhone6sのカメラをキャリブレーションする

Faster R-CNN:ディープラーニングによる一般物体検出手法

コメント