江苏龙网

  1. 主页 > 生活百科 > >

机器学习算法的终极对决( 三 )

算法机器学习


优化器—也称为求解器，此参数告诉网络使用哪种技术来训练网络中的权重 。['sgd'，'adam'] 。
batch_size —这是一次要处理的图像数 。[200,100,200] 。时期-程序应运行的次数或应训练模型的次数 。[10,20,200]
classes-要分类的类数 。[2,4,10]
损失-告诉网络使用哪种方法来计算损失，即预测值与实际值之差 。['categorical_crossentropy'，'RMSE']
首先，我将28 * 28图像的大小调整为140 * 140图像，因为移动网络最少需要32 * 32图像，所以我使用的最终input_shape值为（140,140,1），其中1是图像通道（在 这种情况下，黑色和白色） 。我将alpha设置为1，因为它通常会产生最佳效果 。激活功能被设置为默认值，即" relu" 。我使用了" Adadelta"优化器，因为它可以提供最佳效果 。batch_size设置为128以更快地训练模型 。我已经使用20个纪元来提高准确性 。由于我们有5个类别可以分类，因此将类别设置为5 。
结果

机器学习算法的终极对决

文章插图
> Final Results (Fingers crossed)
 
以上是所使用的所有机器学习技术的性能 。指标包括准确性，召回率，准确性和培训时间 。令我震惊的是，Mobile Net的训练时间为46分钟，因为它被认为是轻巧的模型 。我不确定为什么会这样，如果您知道为什么，请告诉我 。
局限性和结论· 在这项研究中，只使用了28 * 28大小的黑白涂鸦，而在现实世界中，不同的颜色可能会表现出不同的意思或表示不同的事物，并且图像大小可能会有所不同 。因此，在这些情况下，算法的行为可能会有所不同 。
· 在所有讨论的算法中，都有许多可以更改和使用的超参数，它们可能会给出不同的结果 。
· 训练这些算法的训练集仅限于35000张图像，添加更多图像可以提高这些算法的性能 。
结果表明，移动网络实现了最高的准确性，准确性和查全率，因此就这三个参数而言，它是最佳算法 。但是，移动网络的培训时间也是最高的 。如果将其与CNN进行比较，我们可以看到CNN花费更少的时间进行训练，从而提供了相似的准确性，准确性和召回率 。因此，根据这项研究，我可以得出结论，CNN是最好的算法 。
在进行了这项研究之后，我得出结论，像移动网络和CNN这样的算法可用于硬文字识别，车牌检测以及世界各地的银行 。诸如移动网络和CNN之类的算法实现了超过97％的准确度，这优于95％的平均人类绩效 。因此，这些算法可以在现实生活中使用，从而使困难或耗时的过程自动化 。
私信译者获得本文代码
(本文翻译自Shubh Patni的文章《Ultimate Showdown of machine Learning Algorithms》，参考：https://towardsdatascience.com/ultimate-showdown-of-machine-learning-algorithms-af68fbb90b06)

【机器学习算法的终极对决】


推荐阅读


上一篇：橄榄海蜜茶清热解毒,中茶普洱深山老树圆茶即将上市

下一篇：冠心病患者饮茶有学问,不同体质人的饮茶注意事项