Neyron tarmoq asoslari va uni chuqur o'rganish


Приведет ли глубокое обучение к отмиранию всех прочих алгоритмов?



Download 3,8 Mb.
bet111/112
Sana11.06.2022
Hajmi3,8 Mb.
#655828
TuriГлава
1   ...   104   105   106   107   108   109   110   111   112
Bog'liq
2 bo\'lim (2)

Приведет ли глубокое обучение к отмиранию всех прочих алгоритмов?

Тема ненужности всех остальных алгоритмов моделирования в связи с пришест­ вием глубокого обучения раз за разом возникает на интернет-форумах. Ответ на этот вопрос отрицательный, потому что для многих сравнительно простых при-ложений машинного обучения гораздо более простые алгоритмы прекрасно рабо-тают и обеспечиваюттребуемую верность модели.С моделями типа логистической регрессии проще работать, поэтому, принимая решение, всегда нужно сопостав-лять трудоемкость с требованиями к верности. Алгоритмы же глубокого обучения­ особенно хорошо работают в случаях, когда мы мало знаем о предметной области, и конструирование качественных признаков вручную обходится дорого.




Оптимальный метод зависит от задачи

Правильное применение машинного обучения подразумевает поиск подхода, от-вечающего поставленной задаче. Мы пока не можем назвать единый метод, при-годный для всего на свете, поэтому должны всякий раз оценивать задачу и данные





  1. поисках наилучшей модели. В этом смысл «теоремы об отсутствии бесплатных завтраков».



Теорема об отсутствии бесплатных завтраков

Эта теорема утверждает, что не существует модели, оптимальной для всех задач. Предпо-ложения, при которых лучше всего работает некоторая модель, могут не выполняться в дру-гой задаче. В машинном обучении нередко пробуют разные модели, стремясь найти такую, которая лучше других подходит в конкретном случае.





  1. любого метода машинного обучения есть смещение и дисперсия. Чем бли-же модель к истинному распределению данных, тем лучше результаты алгоритма обучения­ в среднем.

Попробуем взглянуть на проблему с точки зрения практического примера. Если визуализация показывает, что данные очевидно линейны, то станете ли вы аппроксимировать их нелинейной моделью (например, многослойным перцеп-троном)? Наверное, нет, а возьмете что-нибудь попроще, скажем, логистическую регрессию. В конкурсах на сайте Kaggle оптимальный метод все время меняется. Но в тех случаях, когда победителем оказывается не глубокое обучение, первое место занимают обычно случайные леса и ансамблевые методы.


Размер набора данных также следует учитывать, принимая решение об ис-пользовании глубокого обучения. Полученные в последние годы эмпирические


Итоги и обсуждение 147
результаты свидетельствуют, что предсказательная сила глубокого обучения вы-сока, когда набор данных достаточно велик, т. е. результаты тем лучше, чем боль-ше набор данных. Нейронные сети обладают большей репрезентативной емко-стью, чем линейные модели, и лучше приспособлены для исследования данных. Эвристическое правило таково: обучить нейронную сеть можно, если имеется по меньшей мере 5000 помеченных примеров.



Download 3,8 Mb.

Do'stlaringiz bilan baham:
1   ...   104   105   106   107   108   109   110   111   112




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish