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

OpenCVの超解像(SuperResolution)モジュールを試す

Webサイトのワイヤーフレームが作成できるオンラインツール

OpenCV 3.1のsfmモジュールのビルド再び

ニューラルネットワークと深層学習

Python for Unity:UnityEditorでPythonを使えるパッケージ

OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる

ちっちゃいデスクトップパソコンだよ

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

OpenCV 3.1から追加されたSfMモジュール

Python.NET:Pythonと.NETを連携させるパッケージ

マルコフ連鎖モンテカルロ法

オープンソースの取引プラットフォーム

Google App Engine上のWordPressでAmazonJSを利用する

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

openMVG:複数視点画像から3次元形状を復元するライブラリ

もちもち泡のネコ

Dlib:C++の機械学習ライブラリ

透明標本

Pythonのソースコードに特化した検索エンジン『Nullege』

ディープラーニング

ブログが1日ダウンしてました

UnityからROSを利用できる『ROS#』

データサイエンティストって何だ?

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...

BlenderのPython環境にPyTorchをインストールする

深海魚

pythonの機械学習ライブラリ『scikit-learn』

Twitter APIのPythonラッパー『python-twitter』

ミニ四駆にステアリングを仕込んだ人

WordPressの表示を高速化する

ミステリー・コメディドラマ『名探偵モンク』

trimesh:PythonでポリゴンMeshを扱うライブラリ

Boost オープンソースライブラリ

Managing Software Requirements: A Unified Approach

UnityでTweenアニメーションを実装できる3種類の無料Asset

UnrealCLR:Unreal Engineで.NET Coreを利用できるプラグイン

トランスフォーマー/リベンジ Blue-Ray 予約開始

続・ディープラーニングの資料

Mechanizeで要認証Webサイトをスクレイピング

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』

DMMが秋葉原にMakerスペース『DMM.make AKIBA』をオープン

パルクール(Parkour)

コメント