Bu sorunun yapısı şöyledir: ilk olarak, topluluk öğrenme kavramını sağlarım , ayrıca örüntü tanıma görevlerinin bir listesini veririm, daha sonra topluluk öğrenme algoritmalarına örnekler veririm ve son olarak sorumu tanıtırım. Tüm ek bilgilere ihtiyaç duymayanlar sadece başlıklara bakabilir ve doğrudan soruma gidebilirler.
Topluluk öğrenimi nedir?
Wikipedia makalesine göre :
İstatistik ve makine öğreniminde, topluluk yöntemleri , yalnızca kurucu öğrenme algoritmalarından herhangi birinden elde edilebileceğinden daha iyi tahmin performansı elde etmek için çoklu öğrenme algoritmaları kullanır . Genellikle sonsuz olan istatistiksel mekanikteki istatistiksel bir topluluğun aksine , bir makine öğrenimi topluluğu sadece alternatif sonlu somut bir dizi modeli ifade eder, ancak tipik olarak bu alternatifler arasında çok daha esnek bir yapının var olmasına izin verir.
Örüntü tanıma görevlerine örnekler:
- Optik karakter tanıma
- Barkod tanıma
- Plaka tanıma
- Yüz tanıma
- Konuşma tanıma
- Görüntü tanıma
- Belge sınıflandırması
Topluluk öğrenme algoritmalarına örnekler:
PR görevleri için kullanılan aşağıdaki öğrenme algoritmaları (Wiki'ye göre):
Topluluk öğrenme algoritmaları (çoklu öğrenme algoritmalarını bir araya getirmek için denetimli meta algoritmalar):
Boosting (öncelikleönyargıyıazaltmak içinbir makine öğrenme topluluğumeta-algoritmasıve ayrıcadenetimli öğrenmedevaryansve zayıf öğrenicileri güçlü olanlara dönüştüren bir makine öğrenme algoritmaları ailesi)
Bootstrap toplama (" torbalama ") (istatistiksel sınıflandırmaveregresyondakullanılan makine öğrenme algoritmalarının kararlılığını ve doğruluğunu artırmak için tasarlanmış bir makine öğrenme topluluğu meta algoritması).
Topluluk ortalaması (birden fazla model oluşturma ve bunları tek bir model oluşturmanın aksine, istenen çıktıyı üretmek için birleştirme işlemi. Genellikle bir model topluluğu, her modelden farklıdır, çünkü modellerin çeşitli hataları "ortalama" dır. )
- Uzman karışımı, hiyerarşik uzman karışımı
Farklı uygulamalar
- Sinir ağlarının toplulukları ( bireysel modellerin sonuçlarının ortalamasını alarak karar veren bir dizi sinir ağı modeli).
- Rastgele orman (çok sayıda oluşturarak faaliyet sınıflandırma, regresyon ve diğer görevler için bir topluluk öğrenme yöntemi,karar ağaçlarızaman yetiştirmeyi ve bir sınıfını çıkışımodubireyin sınıfları (sınıflandırma) ya da ortalama tahmini (regresyon) arasında ağaçlar).
- AdaBoost (diğer öğrenme algoritmalarının çıktısı ('zayıf öğrenenler') artırılmış sınıflandırıcının nihai çıktısını temsil eden ağırlıklı bir toplamda birleştirilir).
Bunlara ek olarak:
- Farklı sınıflandırıcıları birleştirmek için bir sinir ağı kullanan yöntemler
- Yetkinlik alanları yöntemi
Benim sorum
Which of the ensemble learning algorithms is considered to be state-of-the-art nowadays and is actually used in practice (for face detection, vehicle registration plates recognition, optical character recognition, etc.) by enterprises and organizations? Using ensemble learning algorithms is supposed to increase recognition accuracy and lead to a better computational efficiency. But, do matters stand this way in reality?
Hangi topluluk yöntemi, potansiyel olarak, örüntü tanıma görevlerinde daha iyi sınıflandırma doğruluğu ve performansı gösterebilir? Belki de, bazı yöntemler şimdi modası geçmiş ya da etkisiz olduğunu göstermiştir. Topluluk yöntemlerinin artık bazı yeni algoritmaların gücünde kullanılma eğiliminde olması da mümkündür. Alanında tecrübesi olan veya bu alanda yeterli bilgiye sahip olanlar, konuların açıklığa kavuşturulmasına yardımcı olabilir misiniz?
