CNN，Mobile-Net，KNN，Random Forest和MLP。 哪種算法最好？

故事

一切始于我年輕的表弟，他在自己的世界里迷路，在繪畫本上涂鴉。 我問他在做什么。 他回答說他正在養(yǎng)貓。 看起來根本不像貓。 他要求我和他一起玩游戲，我會認(rèn)出他在畫什么。 一段時間以來，這很有趣，但是很快，我就感到無聊。 我不想不和他玩耍來傷害他的感情，所以我用自己的計(jì)算機(jī)視覺和python技巧來制作一個Doodle分類器。 現(xiàn)在的問題是，我將如何實(shí)施它？ 有數(shù)百種方法可以對Doodle進(jìn)行分類，而我必須選擇一種最準(zhǔn)確的涂鴉，即花費(fèi)最少的時間進(jìn)行訓(xùn)練，占用更少的內(nèi)存，需要更少的處理能力并且不需要TB的數(shù)據(jù)即可提供有意義的信息 結(jié)果。

上網(wǎng)瀏覽后，我發(fā)現(xiàn)了可以以最佳方式完成此任務(wù)的前5種算法，但是我訪問的每個網(wǎng)站都講述了一個不同的故事。 有些人說CNN是最好的，而另一些人說移動網(wǎng)絡(luò)是最好的。 我想-好吧，讓我們測試一下所有這些。 我在Kaggle競賽中找到了一個包含大量帶有標(biāo)簽的涂鴉的出色數(shù)據(jù)集，可以免費(fèi)下載。

圖像分類是一個巨大的話題，因?yàn)橛泻芏嗨惴捎糜诟鞣N應(yīng)用。 圖像分類是如此之大和千變?nèi)f化，以至于每天都在創(chuàng)建新的算法，并且它的新應(yīng)用也在不斷涌現(xiàn)。 因此，即使它們有數(shù)百種變體，我也很難手動選擇一些算法。 因此，本文將研究哪種算法最適合涂鴉分類。

我還將測試這些算法在其他情況下（例如手寫字符分類，車牌識別等）的可靠性。

涵蓋范圍

· 研究中使用的機(jī)器學(xué)習(xí)技術(shù)簡介

· 評估指標(biāo)

· 選擇用于研究的參數(shù)的詳細(xì)信息

· 結(jié)果

· 局限性和結(jié)論

讓我們首先簡要介紹所使用的機(jī)器學(xué)習(xí)算法

涂鴉分類的算法有數(shù)千種，在這里我列出了一些我將探索的著名算法-

1）隨機(jī)森林

我們可以將隨機(jī)森林算法用于分類和回歸。 就像決策樹一樣，只是它使用數(shù)百個決策樹得出結(jié)論。 決策樹根據(jù)相似的特征將數(shù)據(jù)分為各種類別。 對于每個數(shù)據(jù)點(diǎn)，它檢查是否具有特定功能，大多數(shù)常見數(shù)據(jù)屬于同一類。 在隨機(jī)森林算法中，我們采用許多決策樹，并隨機(jī)給它們提供較少的特征以供檢查，例如，如果我們有100個特征，則可能給每棵樹10個隨機(jī)特征。 一些樹將分配不正確的類，但是許多樹將是正確的！ 我們以多數(shù)為準(zhǔn)，并創(chuàng)建我們的分類模型。

2）KNN

K最近鄰（KNN）既可以用作分類算法，也可以用作回歸算法。 在KNN中，數(shù)據(jù)點(diǎn)分為幾類，以預(yù)測新樣本點(diǎn)的分類。 為了實(shí)現(xiàn)此任務(wù)，它使用距離公式來計(jì)算各個數(shù)據(jù)點(diǎn)之間的距離，然后基于該距離，然后為每個類別定義區(qū)域邊界。 任何新的數(shù)據(jù)點(diǎn)都將屬于這些區(qū)域之一，并將被分配給該類。

3）MLP

多層感知（MLP）是前饋人工神經(jīng)網(wǎng)絡(luò)的一種形式。 MLP有許多層，但在其隱藏層中只有一個邏輯函數(shù)，而在輸出層中只有一個softmax函數(shù)。 該算法以單個大向量作為輸入，并對輸入層和隱藏層執(zhí)行矩陣運(yùn)算，然后結(jié)果通過邏輯函數(shù)，其輸出通過另一個隱層。 重復(fù)此過程，直到網(wǎng)絡(luò)到達(dá)輸出層為止，在此使用softmax函數(shù)生成單個輸出。

4）CNN

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是最容易實(shí)現(xiàn)的深度學(xué)習(xí)計(jì)算機(jī)視覺算法之一。首先，它獲取給定尺寸的輸入圖像，并為其創(chuàng)建多個濾鏡/特征檢測器（最初是給定尺寸的隨機(jī)生成的矩陣），濾鏡的目的是識別圖像中的某些圖案，然后在濾鏡上移動在矩陣和圖像之間進(jìn)行圖像和矩陣相乘。該濾鏡在整個圖像中滑動以收集更多特征，然后我們使用激活函數(shù)（主要是整流的線性單位函數(shù)）來增加非線性或僅保留重要特征，然后使用max-pooling函數(shù)將給定值中的所有值相加矩陣大小（例如，如果我們選擇4的矩陣，則它將所有4個值相加以創(chuàng)建1個值），從而減小輸出的大小以使其更快。最后一步是展平最終矩陣，該矩陣作為輸入傳遞到基本ANN（人工神經(jīng)網(wǎng)絡(luò)）并獲得類預(yù)測。

5）移動網(wǎng)

Mobile-Net體系結(jié)構(gòu)使用深度方向可分離卷積，其中包括深度方向卷積和點(diǎn)方向卷積。 深度方向卷積是通道方向Dk * Dk空間卷積，假設(shè)我們在圖像中有3個通道（R，G，B），那么我們將具有3 * Dk * Dk空間卷積。 在逐點(diǎn)卷積中，我們的內(nèi)核大小為1 * 1 * M，其中M是在深度卷積中的通道數(shù)，在這種情況下為3。因此，我們有一個大小為1 * 1 * 3的內(nèi)核。 我們通過3 * Dk * Dk輸出迭代這個內(nèi)核以獲得Dk * Dk * 1輸出。 我們可以創(chuàng)建N 1 * 1 * 3個內(nèi)核，每個內(nèi)核輸出一個Dk * Dk * 1圖像，以獲得形狀為Dk * Dk * N的最終圖像。 最后一步是將深度方向卷積添加到點(diǎn)方向卷積。 這種類型的體系結(jié)構(gòu)減少了訓(xùn)練時間，因?yàn)槲覀冃枰{(diào)整的參數(shù)較少，而對精度的影響較小。

評估指標(biāo)

> Sample of doodles used for research

以上是用于本研究的Doodle樣本。

我在Kaggle quickdraw數(shù)據(jù)集上訓(xùn)練了機(jī)器學(xué)習(xí)模型，該數(shù)據(jù)集包含5000萬張不同類型的Doodle圖像。 我將龐大的數(shù)據(jù)集分為兩部分：用于訓(xùn)練的35000張圖像和用于測試的15000張圖像。 然后，我針對隨機(jī)選擇的5種不同類型的Doodle計(jì)算每種算法的訓(xùn)練時間。 在測試集上，我計(jì)算了每種算法的平均平均精度，準(zhǔn)確性和召回率。

評估指標(biāo)

訓(xùn)練時間

平均平均精度

準(zhǔn)確性

召回

Shashwat Tiwari 16MCA0068的更多有關(guān)評估指標(biāo)的信息

選擇的參數(shù)的詳細(xì)信息

1）隨機(jī)森林

n_estimators —森林中決策樹的數(shù)量。 [10,50,100]

max_features-拆分['auto'，'sqrt']時要考慮的功能

max_depth —樹中的最大級別數(shù)[2,4,6,8,10]

n_jobs-并行運(yùn)行的進(jìn)程數(shù)，通常設(shè)置為-1以一次執(zhí)行最大進(jìn)程。

準(zhǔn)則—這是一種計(jì)算損失并因此更新模型以使損失越來越小的方法。 ['熵'，'cross_validation']

我使用'自動'作為max_feature； 8作為max_depth; -1作為n_jobs，'熵'作為我的標(biāo)準(zhǔn)，因?yàn)樗鼈兺ǔa(chǎn)生最佳效果。

> the Graph to find an optimum number of trees

但是，為了找出最佳的樹數(shù)，我使用了GridSearchCV。 它嘗試所有給定的參數(shù)組合并創(chuàng)建一個表以顯示結(jié)果。 從圖中可以看出，在80棵樹之后測試分?jǐn)?shù)沒有顯著增加。 因此，我決定在80棵樹上訓(xùn)練我的分類器。

2）K最近鄰居（KNN）

n_neighbors —要比較的最近數(shù)據(jù)點(diǎn)數(shù)[2,5,8]

n_jobs-并行運(yùn)行的進(jìn)程數(shù)，通常設(shè)置為-1以一次執(zhí)行最大進(jìn)程

我沒有更改此模型的任何默認(rèn)參數(shù)，因?yàn)樗鼈儠峁┳罴呀Y(jié)果。

但是，為了找到n_neighbors的最佳數(shù)量，我使用了GridSearchCV，這是我得到的圖形：

> The graph to find an optimum number of N-neighbors

根據(jù)該圖，測試分?jǐn)?shù)在5 n_neighbors之后下降，這意味著5是最佳鄰居數(shù)。

3）多層感知器（MLP）

alpha-最常用的學(xué)習(xí)速率，它告訴網(wǎng)絡(luò)調(diào)整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一個值的元組，由每層的隱藏節(jié)點(diǎn)數(shù)組成。 [（50,50），（100,100,100），（750,750）]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關(guān)的信息。 ['relu'，'tanh'，'logistic']。

求解器（也稱為優(yōu)化器），該參數(shù)告訴網(wǎng)絡(luò)使用哪種技術(shù)來訓(xùn)練網(wǎng)絡(luò)中的權(quán)重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數(shù)。 [200,100,200]。

我將激活選擇為' relu'，將求解器選擇為' adam'，因?yàn)檫@些參數(shù)可提供最佳結(jié)果。

但是，為了選擇隱藏層和alpha的數(shù)量，我使用了GridSearchCV。

> Table to find an optimum number of N-neighbors

從表中可以看出，當(dāng)alpha為0.001，hidden_layer_sizes為（784,784）時，可獲得最佳結(jié)果。 因此，我決定使用那些參數(shù)。

4）卷積神經(jīng)網(wǎng)絡(luò)（CNN）

learning_rate-告訴網(wǎng)絡(luò)調(diào)整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一個值的元組，由每層的隱藏節(jié)點(diǎn)數(shù)組成。 [（50,50），（100,100,100），（750,750）]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關(guān)的信息。 ['relu'，'tanh'，'logistic']。

求解器（也稱為優(yōu)化器），該參數(shù)告訴網(wǎng)絡(luò)使用哪種技術(shù)來訓(xùn)練網(wǎng)絡(luò)中的權(quán)重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數(shù)。 [200,100,200]

時期-程序應(yīng)運(yùn)行的次數(shù)或應(yīng)訓(xùn)練模型的次數(shù)。 [10,20,200]

我將激活函數(shù)選擇為' relu'，將求解器選擇為' adam'，因?yàn)檫@些參數(shù)通常會產(chǎn)生最佳效果。 在網(wǎng)絡(luò)中，我添加了3個卷積層，2個maxpool層，3個輟學(xué)層，最后添加了一個softmax激活函數(shù)。 我在這里沒有使用GridSearchCV，因?yàn)榭梢試L試很多可能的組合，但是結(jié)果不會有太大差異。

5）移動網(wǎng)

Input_shape-是由圖像尺寸組成的元組。 [（32,32,1），（128,128,3）]。

Alpha-網(wǎng)絡(luò)的寬度。 [<1，> 1,1]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關(guān)的信息。 ['relu'，'tanh'，'logistic']。

優(yōu)化器—也稱為求解器，此參數(shù)告訴網(wǎng)絡(luò)使用哪種技術(shù)來訓(xùn)練網(wǎng)絡(luò)中的權(quán)重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數(shù)。 [200,100,200]。 時期-程序應(yīng)運(yùn)行的次數(shù)或應(yīng)訓(xùn)練模型的次數(shù)。 [10,20,200]

classes-要分類的類數(shù)。 [2,4,10]

損失-告訴網(wǎng)絡(luò)使用哪種方法來計(jì)算損失，即預(yù)測值與實(shí)際值之差。 ['categorical_crossentropy'，'RMSE']

首先，我將28 * 28圖像的大小調(diào)整為140 * 140圖像，因?yàn)橐苿泳W(wǎng)絡(luò)最少需要32 * 32圖像，所以我使用的最終input_shape值為（140,140,1），其中1是圖像通道（在 這種情況下，黑色和白色）。 我將alpha設(shè)置為1，因?yàn)樗ǔa(chǎn)生最佳效果。 激活功能被設(shè)置為默認(rèn)值，即' relu'。 我使用了' Adadelta'優(yōu)化器，因?yàn)樗梢蕴峁┳罴研Ч?batch_size設(shè)置為128以更快地訓(xùn)練模型。 我已經(jīng)使用20個紀(jì)元來提高準(zhǔn)確性。 由于我們有5個類別可以分類，因此將類別設(shè)置為5。

結(jié)果

> Final Results (Fingers crossed)

以上是所使用的所有機(jī)器學(xué)習(xí)技術(shù)的性能。 指標(biāo)包括準(zhǔn)確性，召回率，準(zhǔn)確性和培訓(xùn)時間。 令我震驚的是，Mobile Net的訓(xùn)練時間為46分鐘，因?yàn)樗徽J(rèn)為是輕巧的模型。 我不確定為什么會這樣，如果您知道為什么，請告訴我。

局限性和結(jié)論

· 在這項(xiàng)研究中，只使用了28 * 28大小的黑白涂鴉，而在現(xiàn)實(shí)世界中，不同的顏色可能會表現(xiàn)出不同的意思或表示不同的事物，并且圖像大小可能會有所不同。 因此，在這些情況下，算法的行為可能會有所不同。

· 在所有討論的算法中，都有許多可以更改和使用的超參數(shù)，它們可能會給出不同的結(jié)果。

· 訓(xùn)練這些算法的訓(xùn)練集僅限于35000張圖像，添加更多圖像可以提高這些算法的性能。

結(jié)果表明，移動網(wǎng)絡(luò)實(shí)現(xiàn)了最高的準(zhǔn)確性，準(zhǔn)確性和查全率，因此就這三個參數(shù)而言，它是最佳算法。 但是，移動網(wǎng)絡(luò)的培訓(xùn)時間也是最高的。 如果將其與CNN進(jìn)行比較，我們可以看到CNN花費(fèi)更少的時間進(jìn)行訓(xùn)練，從而提供了相似的準(zhǔn)確性，準(zhǔn)確性和召回率。 因此，根據(jù)這項(xiàng)研究，我可以得出結(jié)論，CNN是最好的算法。

在進(jìn)行了這項(xiàng)研究之后，我得出結(jié)論，像移動網(wǎng)絡(luò)和CNN這樣的算法可用于硬文字識別，車牌檢測以及世界各地的銀行。 諸如移動網(wǎng)絡(luò)和CNN之類的算法實(shí)現(xiàn)了超過97％的準(zhǔn)確度，這優(yōu)于95％的平均人類績效。 因此，這些算法可以在現(xiàn)實(shí)生活中使用，從而使困難或耗時的過程自動化。

私信譯者獲得本文代碼

(本文翻譯自Shubh Patni的文章《Ultimate Showdown of Machine Learning Algorithms》，參考：https:///ultimate-showdown-of-machine-learning-algorithms-af68fbb90b06)