张飞软硬开源基于STM32 BLDC直流无刷电机驱动器开发视频套件,👉戳此立抢👈

为何基于决策树的模型经久不衰?何时使用基于决策树的模型?

论智 2018-10-09 08:55 次阅读

编者按:保险业数据科学家Alan Marazzi用R语言展示了基于决策树的模型的强大和简洁之处。

这是一篇基于决策树的模型的简明介绍,尽量使用非技术术语,同时也给出了模型的R语言实现。由于这篇文章已经够长了,因此我们省略了一些代码。不过别担心,你可以在配套的GitHub仓库中找到完整代码:https://github.com/alanmarazzi/trees-forest

为何基于决策树的模型经久不衰

决策树是一组通常用于分类的机器学习算法。因为它们简单有效,所以也是初学者首先学习的算法之一。你大概很难在最新的机器学习论文和研究上看到它们,但在真实世界项目中,基于决策树的模型仍被广泛使用。

之所以得到如此广泛的使用,主要原因之一是它们的简单性和可解释性。下面是一棵预测天气是否多云的简单决策树。

这一方法让我们可以通过传入数据预测某个变量,不过,大概更重要的是我们可以推断预测因子之间的关系。这意味着我们可以从底部开始,看看哪些因素导致了多云。

比如,如果风很小,看起来要下雨了,那说明是多云。对简单模型而言,这些规则可以被人类所学习和应用,或者我们可以生成一份清单以辅助决策过程。通过可视化决策树,我们可以理解机器是如何工作的,为何将某些日子分类为多云,将另一些日子分类为非多云。

尽管这看起来挺微不足道的,但在许多情形下,我们需要知道模型为何做出某些预测。考虑一个预测是否接受胸痛患者的模型。在测试了许多高级模型之后,医生想要搞清楚算法为什么让某些处以危险之中的患者回家。所以他们在数据上运行了一个基于决策树的模型,结果发现算法认为患有哮喘的胸痛病人风险很小。

这是一个巨大的错误。医生非常清楚哮喘和胸痛必须立刻治疗,这意味着哮喘和胸痛的病人会马上得到收治。你发现问题所在了吧?用于建模的数据认为这类病人风险很小,是因为所有这类病人都得到了治疗,所以极少有人在此之后死亡。

何时使用基于决策树的模型

如前所述,当可解释性很重要时,决策树非常好,即使它可能仅用于理解预测哪里出错了。实际上,基于决策树的模型可以变得非常复杂,在损失可解释性的同时,增加准确性。这里存在着一个权衡。

另一个使用决策树的理由是它们非常容易理解和解释。在有一些强预测因子的情形下,决策树可以用来创建可以同时为机器和人类使用的模型。我刚想到的一个例子是预测顾客是否最终会购买某物的决策树模型。

评测也是这些方法大放异彩之处:你很快会发现,用于分类时,即使是相当简单的基于决策树的模型,也很难被大幅超过。我个人经常在要处理的数据集上运行随机森林(后文会介绍这一算法),接着尝试战胜它。

R语言配置

在开始之前,你可能需要先配置一下R环境。

安装如下包:

trees_packages <- c("FFTrees",    "evtree",    "party",    "randomForest",    "intubate",    "dplyr")install.packages(trees_packages)

这些是在R语言中使用基于决策树的模型和数据处理的主要包,但它们不是唯一的。任何你打算使用的基于决策树的模型,几乎都有几十个包可以用,不信的话可以上Crantastic搜索一番。

现在是植树时刻!我决定使用Titanic数据集,机器学习社区最著名的数据集之一。你可以从Kaggle(c/titanic)或GitHub(alanmarazzi/trees-forest)获取这一数据集。我将直接从清洗数据和建模开始讲起,如果你在数据下载、加载上需要帮助,或者缺乏头绪,可以参考我之前的文章Data Science in Minutes或者GitHub仓库中的完整代码。

预备数据

首先,我们看下要处理的数据是什么样子的:

我真心不喜欢有大写字母姓名的数据集,很幸运,我们可以用tolower()函数,一行代码转换为小写字母:

names(titanic) <- tolower(names(titanic))

接着,将sex和embarked变量转换为因子(类别变量):

titanic$sex <- as.factor(titanic$sex)titanic$embarked <- as.factor(titanic$embarked)

建模时最重要的步骤之一是处理缺失值(NA)。许多R模型可以自动处理缺失值,但大多数只不过是直接移除包含缺失值的观测。这意味着可供模型学习的训练数据变少了,这几乎一定会导致准确率下降。

有各种填充NA的技术:填充均值、中位数、众数,或使用一个模型预测它们的值。我们的例子将使用线性回归替换数据集中年龄变量的缺失值。

乍看起来这个想法有点吓人,有点怪异,你可能会想:“你说的是,为了改进我的模型,我应该使用另一个模型?!”但其实并没有看起来这么难,特别是如果我们使用线性回归的话。

首先让我们看下年龄变量中有多少NA:

mean(is.na(titanic$age))[1] 0.1986532

将近20%的乘客没有年龄记录,这意味着如果我们不替换缺失值,直接在数据集上运行模型的话,我们的训练数据只有714项,而不是891项。

是时候在数据上跑下线性回归了:

age_prediction <- lm(age ~ survived + pclass + fare, data = titanic)summary(age_prediction)

我们干了什么?我们告诉R求解如下线性等式,找出恰当的α、βn的值。

age = α + β1∗survived + β2∗pclass + β3∗fare

然后我们在创建的模型上调用summary()函数,查看线性回归的结果。R会给出一些统计数据,我们需要查看这些数据以了解数据的情况:

Call:lm(formula = age ~ survived + pclass + fare, data = titanic)Residuals:    Min      1Q  Median      3Q     Max -37.457  -8.523  -1.128   8.060  47.505 Coefficients:            Estimate Std. Error t value Pr(>|t|)    (Intercept) 54.14124    2.04430  26.484  < 2e-16 ***survived    -6.81709    1.06801  -6.383 3.14e-10 ***pclass      -9.12040    0.72469 -12.585  < 2e-16 ***fare        -0.03671    0.01112  -3.302  0.00101 ** ---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 13.03 on 710 degrees of freedom  (177 observations deleted due to missingness)Multiple R-squared:  0.1993,    Adjusted R-squared:  0.1959 F-statistic:  58.9 on 3 and 710 DF,  p-value: < 2.2e-16

上面第一行(Call)提示我们是哪个模型产生了这一结果,第二行显示了残差,之后是系数。这里我们可以查看系数的估计值,它们的标准差,t值和p值。之后是一些其他统计数据。我们看到R实际上移除了含NA的数据(177 observations deleted due to missingness)。

现在我们可以使用这个模型来填充NA了。我们使用predict()函数:

titanic$age[is.na(titanic$age)] <- predict(age_prediction,    newdata = titanic[is.na(titanic$age),])

逻辑回归基准

是否幸存这样的二元分类问题,逻辑回归很难战胜。我们将使用逻辑回归预测泰坦尼克幸存者,并将这一结果作为基准。

别担心,在R中进行逻辑回归非常直截了当。我们引入dplyr和intubate库,然后调用glm()函数运行逻辑回归。glm()接受三个参数,predictors为预测因子,例如年龄、舱等,response为结果变量,这里我们传入survived,family指定返回结果的类别,这里我们传入binomial。

library(dplyr) # 数据处理library(intubate) # 建模工作流# btbt_glb是 %>% 版本的glm函数logi <- titanic %>%    select(survived, pclass, sex, age, sibsp) %>%    ntbt_glm(survived ~ ., family = binomial)summary(logi)

下面让我们查看下逻辑回归模型做出的预测:

# 收集训练数据上的预测logi_pred <- predict(logi, type = "response")# 预测值在0和1之间,我们将其转换为`survived`或`not`survivors_logi <- rep(0, nrow(titanic))survivors_logi[logi_pred > .5] <- 1# 这将成为我们的基准table(model = survivors_logi, real = titanic$survived)

上面的混淆矩阵给出了模型在训练数据上的结果:预测572人死亡(0),319人幸存(1)。矩阵的对角线表明,480项和250项预测正确,而预测死亡的92人实际上幸存了,预测幸存的69人实际上未能幸存。

对这样开箱即用的模型而言,82%的预测精确度已经相当不错了。但是我们想在未见数据上测试一下,所以让我们载入测试集,试下模型在测试集上的效果。

test <- read.csv(paste0("https://raw.githubusercontent.com/",    "alanmarazzi/trees-forest/master/data/test.csv"),    stringsAsFactors = FALSE,    na.strings = "")# 和训练集一样,清洗下数据names(test) <- tolower(names(test))test$sex <- as.factor(test$sex)

下面在测试数据上预测幸存率:

test_logi_pred <- predict(logi, test, type = "response")surv_test_logi <- data.frame(PassengerId = test$passengerid,    Survived = rep(0, nrow(test)))surv_test_logi$Survived[test_logi_pred > .5] <- 1write.csv(surv_test_logi, "results/logi.csv", row.names = FALSE)

我们将结果保存为csv,因为测试数据没有标签,我们并不知道预测是否正确。我们需要将结果上传到Kaggle以查看结果。最终模型做出了77.5%的正确预测。

快速和低成本决策树

终于可以开始植树了!我们将尝试的第一个模型是快速和低成本决策树。这基本上是最简单的模型。我们将使用R的FFTrees包。

# 临时复制下数据集,因为FFTrees包里也包含titanic变量titanicc <- titaniclibrary(FFTrees)titanic <- titaniccrm(titanicc)

载入包,我们只需在选中的变量上应用FFTrees。

fftitanic <- titanic %>%    select(age, pclass, sex, sibsp, fare, survived) %>%    ntbt(FFTrees, survived ~ .)

模型需要跑一会儿,因为要训练和测试不止一棵FFTree。最终得到的结果是一个FFTree对象,包含了所有测试过的FFTree:

fftitanic[1] "An FFTrees object containing 8 trees using 4 predictors {sex,pclass,fare,age}"[1] "FFTrees AUC: (Train = 0.84, Test = --)"[1] "My favorite training tree is #5, here is how it performed:"                        trainn                      891.00p(Correct)               0.79Hit Rate (HR)            0.70False Alarm Rate (FAR)   0.16d-prime                  1.52

我们看到,算法使用最多4个预测因子测试了8棵树,表现最佳的是5号树。接着我们看到了这棵树的一些统计数据。这些输出很有帮助,但可视化方法能够更好地帮助我们理解发生了什么:

plot(fftitanic,     main = "Titanic", decision.names = c("Not Survived", "Survived"))

这一张图中有大量信息,从上往下依次为:观测数目、分类数目、决策树、诊断数据。让我们重点关注决策树。

决策树的第一个节点考虑sex变量:如果是女性(sex != male),我们将直接退出决策树,预测幸存。粗暴,但相当有效。如果是男性,将通过第二个节点pclass。这里,如果是三等舱,我们将退出决策树,预测死亡。接着,如果船费超过£ 26.96(fare),预测幸存。最后一个节点考虑的是age(年龄):如果年龄大于21.35岁,预测死亡。

在图表的Performance(表现)区域,我们最关心左侧的混淆矩阵,我们可以对比之前逻辑回归得到的混淆矩阵。

此外,我们也可以查看下右侧的ROC曲线。FFTrees包在数据上自动运行逻辑回归和CART(另一种基于决策树的模型),以供比较。仔细看图,我们看到,代表逻辑回归的圆圈基本上完全被5号树的圆圈盖住了,意味着这两个模型表现相当。

现在我们分类测试数据,并提交结果至Kaggle。如同我之前说过的那样,这些决策树极为简单。我上面解释决策树如何工作时,解释每一个节点的句子中都有“如果”,这意味着我们可以依照同样的结构创建一个基于清单的分类器,或者,我们甚至可以记住这些规则,然后手工分类。

ffpred <- ifelse(test$sex != "male", 1,                 ifelse(test$pclass > 2, 0,                        ifelse(test$fare < 26.96, 0,                               ifelse(test$age >= 21.36, 0, 1))))ffpred[is.na(ffpred)] <- 0

只需4个嵌套的ifelse语句,我们就可以分类整个数据集。我们只有2个NA,所以我决定将它们分类为“未幸存”。接着我们只需将csv格式的结果上传到Kaggle,看看模型表现如何。

我们的4个if-else语句表现只比基准差了1%. 考虑到模型的简单性,这是非常出色的成绩。

聚会时分

party包使用条件推理树,比FFTrees更复杂的决策树。简单来说,条件推理树在决定分割节点时,不仅考虑重要性,还考虑数据分布。虽然条件推理树更复杂,但使用起来很简单,加载包后只需使用ctree函数即可创建决策树。

library(party)partyTitanic <- titanic %>%    select(age, pclass, sex, sibsp, fare, survived) %>%    ntbt(ctree, as.factor(survived) ~ .)

运行模型后,我们可以调用这个包的绘图函数可视化得到的决策树,plot(ctree_relust)。这里我们不在乎其他花里胡哨的东西,只在意最终得到的决策树。所以会使用一些可选参数让输出整洁一点。

plot(partyTitanic, main = "Titanic prediction", type = "simple",     inner_panel = node_inner(partyTitanic,                              pval = FALSE),     terminal_panel = node_terminal(partyTitanic,                                    abbreviate = TRUE,                                    digits = 1,                                    fill = "white"))

不幸的是较大的树占用更多空间,如果再加上一些节点,图就基本上看不清了。将这棵树和上面那棵FFTree比较一下,我们看到现在这棵树更复杂:之前我们直接预测每个男性死亡,现在这个模型尝试将男性分为多种情况。

增加的复杂性降低了15%的训练误差。和上面的FFTree相比,这是一项改进。

train_party <- Predict(partyTitanic)table(tree = train_party, real = titanic$survived)

不过,很遗憾,我们下面将学到机器学习最重要的一课。事实上,在测试集上的分类正确率只有73.7%!

你也许会问,这怎么可能?我们刚看到的是过拟合现象。模型考虑的一些变量最终看来其实是噪声。结果在训练集上改善了,但在未见数据上的表现变差了。有多种应对这一问题的方式,比如剪枝。剪枝的意思是削减分支,比如通过降低树的最大深度达成。剪枝搭配交叉验证,很可能改善测试数据上的结果。

集成模型

目前为止,我们开发的都是单个学习者,意味着我们通过一个模型找到解决方案。另一系列的机器学习算法是集成,通过许多所谓的弱小学习者创建的模型。背后的理论是通过使用许多学习者(在我们的例子中是决策树),结合他们的选择,我们能得到良好的结果。

集成模型因模型创建方法、组合结果方式的不同而不同。可能看起来有点杂乱,但部分集成方法通常是开箱即用的,是一个很好的优化结果的选择。

集成的目的是为了减少方差。比如,我们上面在训练集上得到了良好的结果,但在测试集上的误差率却很大。如果我们有不同的训练集,不同的模型,那么各自会有不同的偏差,集成之后就能得到更好的结果。

我们将查看三种不同的集成算法:Bagging、随机森林、Boosting。

Bagging

bagging的主要思路相当简单:如果我们在不同的训练集上训练许多较大的决策树,我们将得到许多高方差、低偏差的模型。平均每棵树的预测,我们就能得到方差和偏差相对较低的分类。

你可能已经发现一个问题,我们并没有许多训练集。为了应对这一问题,我们通过bootstrap方法创建这些训练集。bootstrap不过是一种有放回的重复取样方法。

x <- rnorm(100) # 生成随机向量# 定义固定取样函数boot_x <- function(x, size) {    sample(x, size, replace = TRUE)}# 循环取样,直到取满需要的样本bootstrapping <- function(x, reps, size) {    y <- list()    for (i in seq_len(reps)) {        y[[i]] <- boot_x(x, size)    }    y}# 结果是一个列表z <- bootstrapping(x, 500, 20)

为了在泰坦尼克数据上运行bagging,我们可以使用randomForest包。这是因为bagging和随机森林差不多,唯一的区别是在创建决策树时考虑多少预测因子。bagging中,我们考虑数据集中的每个预测因子,我们可以通过设置mtry参数做到这一点。

library(randomForest)# 如果你希望重现结果,别忘了设置一样的随机数种子set.seed(123)# 创建bagging模型titanic_bag <- titanic %>%    select(survived, age, pclass, sex, sibsp, fare, parch) %>%    ntbt_randomForest(as.factor(survived) ~ ., mtry = 6)

注意,这里我们将survived作为因子(as.factor)传入,这样就可以使函数创建分类树,而不是回归树(是的,决策树同样可以用于回归)。

bagging默认创建500棵树,如果你想要增加更多树,可以传入ntree参数,设定一个更高的数值。

上面的代码有一个问题,直接跳过NA,不作预测。为了在避免进一步特征工程的前提下,生成符合Kaggle要求的结果,我决定将测试集中的NA用中位数替换。不幸的是,这个问题限制了预测能力,结果是66.5%的正确预测率。

随机森林

随机森林是最著名的机器学习算法之一,原因是它开箱即用的效果好到没道理。随机森林几乎和bagging一样,只不过使用较弱的学习者,创建决策树时只考虑有限数量的预测因子。

你可能会问使用全部预测因子和仅使用部分预测因子有什么区别。答案是使用所有预测因子时,在不同的bootstrap取样的数据集上创建决策树时,前两个分割很可能是一样的,因为创建决策树时考虑的是预测因子的重要性。所以使用bagging创建的500棵树会很相似,相应地,做出的预测也会很相似。

为了限制这一行为,我们使用随机森林,通过mtry参数限制预测因子。我们使用交叉验证决定“最好”的参数值,或者尝试一些经验法则,比如ncol(data)/3和sqrt(ncol(data)),不过在这个例子中我将mtry参数值定为3.

我建议你试验不同的值,然后查看发生了什么,以更好地理解随机森林算法。

set.seed(456)titanic_rf <- titanic %>%    select(survived, age, pclass, sex, sibsp, fare, parch) %>%    ntbt_randomForest(as.factor(survived) ~ ., mtry = 3, n.trees = 5000)

结果是74.6%,比bagging要好不少(译者注:这里的比较不是很公平,因为之前bagging只用了500棵树,而这里随机森林用了5000棵树,感兴趣的读者可以试下统一数量后再做比较),但还是比逻辑回归差一点。

随机森然有很多实现,也许我们可以尝试下party包,用下条件推断树构成的随机森林。

set.seed(415)titanic_rf_party <- titanic %>%    select(survived, age, pclass, sex, sibsp, fare, parch) %>%    ntbt(cforest, as.factor(survived) ~ .,            controls = cforest_unbiased(ntree = 5000, mtry = 3))

如你所见,代码和之前差不多,但是结果是不是差不多呢?

这个结果差不多可以算是和逻辑回归打了个平手。

Boosting

和之前“奋发”学习的算法不同,boosting缓慢学习。实际上,为了避免过拟合,bagging和随机森林需要创建几千棵决策树,然后平均所有预测。boosting的方式与此不同:创建一棵树,结果基于第一棵树的结果创建另一棵树,以此类推。

boosting比其他基于决策树的算法学得慢,这有助于防止过拟合,但也要求我们小心地调整学习速度。从下面的代码中,我们能看到,boosting的参数和随机森林比较相似。

library(gbm)set.seed(999)titanic_boost <- titanic %>%    select(survived, age, pclass, sex, sibsp, fare, parch) %>%    ntbt(gbm, survived ~ .,         distribution = "bernoulli",         n.trees = 5000,         interaction.depth = 3)

我们使用gbm包中的同名函数(ntbt),并指定distribution参数为bernoulli(伯努利分布),告诉函数这是一个分类问题。n.trees参数指定创建决策树的数目,interaction.depth指定树的最大深度。

76%,和逻辑回归、随机森林、FFTrees的结果差不多。

我们学到了

复杂模型 > 简单模型 == 假。 逻辑回归和FFTrees很难战胜,而且我们只需一点特征工程就可以进一步提升简单模型的表现。

特征工程 > 复杂模型 == 真。 特征工程是一项艺术。它是数据科学家最强大的武器之一,我们可以使用特征工程改进预测。

创建模型 == 乐! 数据科学家很有意思。尽管R有时会让人有点沮丧,但总体而言学习R回报丰厚。如果你希望进一步了解细节,或者想要一个逐步的指南,你可以访问文章开头提到的GitHub仓库,里面有完整的代码。

如果你喜欢这篇文章,请留言、转发。你也可以订阅我的博客rdisorder.eu

原文标题:别迷失在森林里

文章出处:【微信号:jqr_AI,微信公众号:论智】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

深度ReLU网络的训练动态过程及其对泛化能力的影响

基于这个框架,我们试图用统一的观点来解释这些令人费解的经验现象。本文使用师生设置,其中给过度参数化的....
的头像 新智元 发表于 06-15 10:48 354次 阅读
深度ReLU网络的训练动态过程及其对泛化能力的影响

清华大学“人工智能前沿与产业趋势”系列讲座的第五讲

其次是应用。雷鸣提到,在医疗方面,人类已经定义的疾病有3万多种,这疾病如何分类、如何预测,都是需要通....
的头像 新智元 发表于 06-15 10:10 600次 阅读
清华大学“人工智能前沿与产业趋势”系列讲座的第五讲

基于机器学习实现商家和银行交易对账结算

Plaid的API可帮助开发人员为北美数以千万计的消费者提供金融服务。这些服务帮助消费者管理他们的个....
发表于 06-08 14:34 58次 阅读
基于机器学习实现商家和银行交易对账结算

对抗性解耦学习,让“夏虫语冰”

面临上述的训练和测试数据之间的领域差异的问题,简单地应用数据驱动的模型可能导致模型聚焦于每个领域的偏....
的头像 新智元 发表于 06-07 15:46 233次 阅读
对抗性解耦学习,让“夏虫语冰”

如何利用深度学习技术处理图像水印

水印作为一种保护版权的有效方式被广泛地应用于海量的互联网图像,针对水印的各种处理显得越来越重要,比如....
的头像 AI科技大本营 发表于 06-07 11:32 192次 阅读
如何利用深度学习技术处理图像水印

数据可视化用来创造一条快速认识数据集的捷径

数据可视化用来创造一条快速认识数据集的捷径,图形化的数据表示方法能够将人类的注意力吸引到重要目标,搭....
的头像 新智元 发表于 06-07 11:16 229次 阅读
数据可视化用来创造一条快速认识数据集的捷径

一个完整的MNIST测试集,其中包含60000个测试样本

NIST手写字符集的第一部分已经在一年前发布,它是一个由2000名人口普查局员工手写的训练集和500....
的头像 AI科技大本营 发表于 06-02 09:43 257次 阅读
一个完整的MNIST测试集,其中包含60000个测试样本

MIT人工智能实验室的研究人员开发了一种“触觉手套”

即使我们的其他感官失败了,提供给我们大脑的触觉信息仍然是我们与周围环境交互的有力工具。这是一种非常重....
的头像 新智元 发表于 06-02 09:37 698次 阅读
MIT人工智能实验室的研究人员开发了一种“触觉手套”

如何使用TensorFlow2.0构建和部署端到端的图像分类器

从 TensorFlow Datasets 中下载的数据集包含很多不同尺寸的图片,我们需要将这些图像....
的头像 AI科技大本营 发表于 05-31 17:08 312次 阅读
如何使用TensorFlow2.0构建和部署端到端的图像分类器

Adobe研究院的研究者们提出了全新的通用深度网络架构CPNet

我们将网络的核心命名为”CP模块“,其结构如下,大致分为两个部分。输入和输出都是一个THW x C的....
的头像 新智元 发表于 05-25 09:41 375次 阅读
Adobe研究院的研究者们提出了全新的通用深度网络架构CPNet

利用AI+脑电波,锁定你想听的声音

哥伦比亚大学Mortimer B. Zuckerman Mind Brain Behavior In....
的头像 新智元 发表于 05-25 09:37 498次 阅读
利用AI+脑电波,锁定你想听的声音

训练一个机器学习模型,实现了根据基于文本分析预测葡萄酒质量

我们可以把上述的其他信息也引入作为特征参数,这样就能构建出一个更全面的模型来预测葡萄酒质量。为了将文....
的头像 电子发烧友网工程师 发表于 05-16 18:27 454次 阅读
训练一个机器学习模型,实现了根据基于文本分析预测葡萄酒质量

对抗性样本真的是不自然且无意义的吗?

慢慢的,随着Nets越来越老,越来越聪明,他们开始在See-Far中发现越来越多的信号模式。他们发现....
的头像 电子发烧友网工程师 发表于 05-15 11:25 390次 阅读
对抗性样本真的是不自然且无意义的吗?

以图搜图背后的技术,你了解吗?

深度学习技术兴起之后,基于深度学习的图像特征开始成为图像检索的主流。我们知道CNN网络具有很多不同程....
的头像 将门创投 发表于 05-14 09:29 625次 阅读
以图搜图背后的技术,你了解吗?

一种基于少样本目标类别图像的图像翻译模型

少样本图像翻译器 G 由一个内容编码器 Ex,一个类编码器 Ey 和一个解码器 Fx 构成。其中内容....
的头像 电子发烧友网工程师 发表于 05-14 09:12 426次 阅读
一种基于少样本目标类别图像的图像翻译模型

IJCAI录取结果被吐槽太厉害,主席都出来放话了

微软亚洲研究院实习生,知乎ID:“张旭”表示:审稿人不熟悉所在领域,大量刚刚入门的学生参与评审并给出....
的头像 新智元 发表于 05-14 08:48 462次 阅读
IJCAI录取结果被吐槽太厉害,主席都出来放话了

一种新型的GAN,在测试期间只需几张示例图像

基于该假设,研究人员使用包含许多不同对象类的图像的数据集来训练FUNIT模型,以模拟过去的视觉体验。....
的头像 电子发烧友网工程师 发表于 05-13 09:17 446次 阅读
一种新型的GAN,在测试期间只需几张示例图像

Excel的分类算法

Excel-分类算法-决策树
发表于 05-10 11:05 50次 阅读
Excel的分类算法

对抗样本真的是bug吗?对抗样本不是Bug, 它们是特征

过去几年里,对抗样本在机器学习社区中得到了极大的关注。关于如何训练模型使它们不易受到对抗样本攻击的工....
的头像 新智元 发表于 05-10 08:54 413次 阅读
对抗样本真的是bug吗?对抗样本不是Bug, 它们是特征

一份深度学习“人体姿势估计”全指南,从DeepNet到HRNet

一个部件表示目标对象某部分图形的模板。“弹簧”显示部件之间的连接方式,当部件通过像素位置和方向进行参....
的头像 电子发烧友网工程师 发表于 05-08 17:10 690次 阅读
一份深度学习“人体姿势估计”全指南,从DeepNet到HRNet

如何使用多注意力长短时记忆进行实体属性的情感分析

属性情感分析是细粒度的情感分类任务。针对传统神经网络模型无法准确构建属性情感特征的问题,提出了一种融....
发表于 05-08 17:07 49次 阅读
如何使用多注意力长短时记忆进行实体属性的情感分析

人工数学建模和机器学习的优缺点进行介绍和比较

我主要研究医疗和金融领域的模型应用,在这些领域的实际问题中,上述模型能够在很大程度上解决模型解释性、....
的头像 电子发烧友网工程师 发表于 05-08 09:59 537次 阅读
人工数学建模和机器学习的优缺点进行介绍和比较

一种十亿级数据规模的半监督图像分类模型

除此模型之外,本研究还尝试了几种其他的模型结构,一是移除教师 - 学生模型并使用自训练模型,二是在进....
的头像 电子发烧友网工程师 发表于 05-08 09:47 379次 阅读
一种十亿级数据规模的半监督图像分类模型

用于语音情绪识别的基于对抗学习的说话人无关的表示

作者基于本模型和两种训练技巧分别在IEMOCAP数据集和SpeechOcean中文大数据集上做了测试....
的头像 深度学习每日摘要 发表于 05-07 17:59 322次 阅读
用于语音情绪识别的基于对抗学习的说话人无关的表示

基于决策树的CART算法识别印第安人糖尿病患者

利用决策树中CART算法识别印第安人糖尿病患者...
发表于 05-06 12:16 29次 阅读
基于决策树的CART算法识别印第安人糖尿病患者

基于GANs的新型自拍卡通化方法

此外由于卡通图像具有高度简化的特征和均匀的颜色,需要在像素级损失上进行引导。研究人员观察到画师的作品....
的头像 将门创投 发表于 05-06 09:57 775次 阅读
基于GANs的新型自拍卡通化方法

带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树

朴素贝叶斯方法是一组基于贝叶斯定理的监督学习算法,在给定类变量值的情况下,朴素假设每对特征之间存在条....
的头像 电子发烧友网工程师 发表于 05-06 09:29 514次 阅读
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树

关于GAN模型我们还要可以深入了解、探讨哪些问题?

大多数 GAN 研究都广泛应用于图像合成。特别是在部分标准图像数据集上训练 GAN,如 MNIST,....
的头像 电子发烧友网工程师 发表于 05-05 11:29 348次 阅读
关于GAN模型我们还要可以深入了解、探讨哪些问题?

针对线性回归模型和深度学习模型,介绍了确定训练数据集规模的方法

具体来看,对于传统的机器学习算法,模型的表现先是遵循幂定律(power law),之后趋于平缓;而对....
的头像 电子发烧友网工程师 发表于 05-05 11:03 567次 阅读
针对线性回归模型和深度学习模型,介绍了确定训练数据集规模的方法

Matlab与R语言的区别

MATLAB简介 MATLAB 是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算...
发表于 05-03 10:18 872次 阅读
Matlab与R语言的区别

突破有限的人类标注的限制,提供一种新的训练视频跟踪的思路

我们这里提出的其实是介于 tracking 与 optical flow 的中间的 mid-leve....
的头像 新智元 发表于 05-01 11:18 373次 阅读
突破有限的人类标注的限制,提供一种新的训练视频跟踪的思路

英伟达再出黑魔法GauGAN:凭借几根线条,草图秒变风景照

在几个具有挑战性的数据集上的实验表明,与现有方法相比,SPADE 在视觉保真度和与输入布局的对齐方面....
的头像 新智元 发表于 05-01 09:10 602次 阅读
英伟达再出黑魔法GauGAN:凭借几根线条,草图秒变风景照

利用2.5GPU年的算力在7个数据集上训练了12000多个模型

基于这些全新的发现和研究结果,研究人员为解耦表示领域提出了四个可能的方向:1.在没有归纳偏置的条件下....
的头像 将门创投 发表于 04-30 09:14 696次 阅读
利用2.5GPU年的算力在7个数据集上训练了12000多个模型

我们能否让机器人以同观察和实践学会使用工具?

我们的设计使机器人明白如何使用不同的物体作为工具来实现指定的任务(根据黄色箭头标记)。机器人在执行任....
的头像 电子发烧友网工程师 发表于 04-29 18:19 501次 阅读
我们能否让机器人以同观察和实践学会使用工具?

OpenAI发布了其AI音乐创作的深度神经网络—MuseNet

之前 OpenAI 提出的 GPT-2,使用近 40 GB 的网页文字训练而成,主要具备了生成文本、....
的头像 电子发烧友网工程师 发表于 04-29 17:29 1132次 阅读
OpenAI发布了其AI音乐创作的深度神经网络—MuseNet

世界最权威的人脸检测公开评测集WIDER FACE公布最新评测结果

DFS算法以卷积神经网络中的特征融合为切入点,为了防止高层特征图上的语义信息覆盖低层特征图上的细节信....
的头像 MEMS 发表于 04-28 18:42 934次 阅读
世界最权威的人脸检测公开评测集WIDER FACE公布最新评测结果

何恺明团队最新研究:提出一个端到端的3D目标检测器VoteNet

在图像中,通常在目标中心附近存在一个像素,但在点云中却不是这样。由于深度传感器仅捕获物体的表面,因此....
的头像 新智元 发表于 04-26 09:25 654次 阅读
何恺明团队最新研究:提出一个端到端的3D目标检测器VoteNet

分析并比较五种非常有用的深度学习框架的优点及应用。

我喜欢TensorFlow的原因有两点:它完全是开源的,并且有出色的社区支持。TensorFlow为....
的头像 电子发烧友网工程师 发表于 04-24 17:26 757次 阅读
分析并比较五种非常有用的深度学习框架的优点及应用。

IBM开发了一个名为“人脸多样性”的新项目,并为其准备了上百万张图片

不论人工智能的从业者们如何解释,韦斯特在得知自己照片被用作机器学习后大吃一惊。今年3月,她在阅读了一....
的头像 电子发烧友网工程师 发表于 04-24 17:07 878次 阅读
IBM开发了一个名为“人脸多样性”的新项目,并为其准备了上百万张图片

BERT烹饪之法:fintune 的艺术

其实它这里的做法和原论文中的问答比较像,不过增加了问题分类环节。将页面文档分成多个片段,和 quer....
的头像 电子发烧友网工程师 发表于 04-23 17:22 634次 阅读
BERT烹饪之法:fintune 的艺术

一种新的带有不确定性的边界框回归损失,可用于学习更准确的目标定位

目标检测是一种多任务学习问题,包含目标定位和目标分类。当前最佳的目标检测器(比如 Faster RC....
的头像 电子发烧友网工程师 发表于 04-23 16:38 1494次 阅读
一种新的带有不确定性的边界框回归损失,可用于学习更准确的目标定位

无人驾驶数据集你只知道Kitti吗?而实际比你想象的多

ApolloCar3D该数据集包含5,277个驾驶图像和超过60K的汽车实例,其中每辆汽车都配备了具....
的头像 智车科技 发表于 04-22 17:26 1857次 阅读
无人驾驶数据集你只知道Kitti吗?而实际比你想象的多

GANs领域值得深入研究的七个问题,让我们得以窥视GANs未来的发展走向

如果样本中的元素被模型设置了0概率,那么惩罚将会变成无穷大!而GANs则通过间接的方式设置0概率,惩....
的头像 将门创投 发表于 04-22 14:26 713次 阅读
GANs领域值得深入研究的七个问题,让我们得以窥视GANs未来的发展走向

一位网友便利用StyleGAN耗时5天创作出了999幅抽象派画作!

StyleGAN是英伟达提出的一种用于生成对抗网络的替代生成器体系结构,该结构借鉴了样式迁移学习的成....
的头像 新智元 发表于 04-19 14:44 702次 阅读
一位网友便利用StyleGAN耗时5天创作出了999幅抽象派画作!

决策树和随机森林模型

我们知道决策树容易过拟合。换句话说,单个决策树可以很好地找到特定问题的解决方案,但如果应用于以前从未....
的头像 新智元 发表于 04-19 14:38 603次 阅读
决策树和随机森林模型

如果把中学生的英语阅读理解选择题让AI来做,会做出什么水平?

与仅就问题感知或选择性文章表示进行计算的现有方法不同,DCMN能够计算文章感知问题表示和文章感知答案....
的头像 新智元 发表于 04-19 10:49 706次 阅读
 如果把中学生的英语阅读理解选择题让AI来做,会做出什么水平?

自然语言基础技术之命名实体识别相对全面的介绍

早期的命名实体识别方法基本都是基于规则的。之后由于基于大规模的语料库的统计方法在自然语言处理各个方面....
的头像 人工智能头条 发表于 04-17 10:12 1429次 阅读
自然语言基础技术之命名实体识别相对全面的介绍

PCA类在降维和数据重构的简单用法

sklearn.decomposition.SparsePCA和sklearn.decomposit....
的头像 人工智能爱好者社区 发表于 04-17 09:57 1313次 阅读
PCA类在降维和数据重构的简单用法

Preferred Networks在GTC大会上介绍了他们的家庭清洁机器人

它可以利用该公司开发的卷积神经网络对物体进行检测,绘制出房间里物体的位置。此外,它还可以把物品放回原....
的头像 英伟达NVIDIA中国 发表于 04-15 15:34 498次 阅读
Preferred Networks在GTC大会上介绍了他们的家庭清洁机器人

西安交通大学人工智能与机器人研究所公开全球首个五维驾驶场景理解数据集

在BLVD数据集中,定义了三种参与者,包括车辆、行人和骑行者,其中骑行者包括骑自行车的人和摩托车的人....
的头像 智车科技 发表于 04-10 18:01 1705次 阅读
西安交通大学人工智能与机器人研究所公开全球首个五维驾驶场景理解数据集

AI做数学的能力不及高中生水平?

DeepMind在这篇论文中引入了一个由许多不同类型的数学问题组成的数据集,对于模型来说,优于缺乏上....
的头像 人工智能 发表于 04-09 11:22 639次 阅读
AI做数学的能力不及高中生水平?

一种不同于双线性插值的上采样方法

我们可以看到,该网络将传统的非线性插值替换成 DUpsample,同时在 feature fuse ....
的头像 电子发烧友网工程师 发表于 04-08 14:47 563次 阅读
一种不同于双线性插值的上采样方法

GBDT算法原理和模型训练

算法原理 再讲GBDT之前先给大家讲个故事,有一个年轻的阿姨今年50岁,现在我们不知道她的真实年龄,我们想通过他的皮肤、穿...
发表于 01-23 14:38 523次 阅读
GBDT算法原理和模型训练

如何在原理图中不显示s2p文件名

嗨,有人知道如何在原理图中不显示s2p文件名吗? 谢谢你:FLJ于2014年3月14日上午7点14分 以上来自于谷歌翻译 &nbs...
发表于 01-15 14:38 163次 阅读
如何在原理图中不显示s2p文件名

清洗误标注的开发集和测试集样本

在进行误差分析时,你可能会注意到一些开发集的样本被误标注(mislabeled )了。此处的“误标注”指的是图像在使用算法处理前,已...
发表于 12-19 09:48 467次 阅读
清洗误标注的开发集和测试集样本

建立开发集和测试集(总结)

• 被选择作为开发集和测试集的数据,应当与你未来计划获取并对其进行良好处理的数据有着相同的分布,而不一定和训练集的数据分布...
发表于 12-14 10:56 365次 阅读
建立开发集和测试集(总结)

何时修改开发集、测试集和指标

每当开展一个新项目时,我会尽快选好开发集和测试集,因为这可以帮团队制定一个明确的目标。 我通常会要求我的团队在不到一周...
发表于 12-14 10:54 384次 阅读
何时修改开发集、测试集和指标

通过开发集和度量指标加速迭代

对于当前面临的新问题,我们很难提前知道使用哪种方法会是最合适的,即使是一个经验丰富的机器学习研究员,通常也需要在尝试多种...
发表于 12-13 14:06 472次 阅读
通过开发集和度量指标加速迭代

开发集和测试集应该有多大?

开发集的规模应该尽可能的大,至少要能够区分出你所尝试的不同算法之间的性能差异。例如,如果分类器 A 的准确率为 90.0% ,而分...
发表于 12-10 10:23 460次 阅读
开发集和测试集应该有多大?