c# - 多次元特徴を 2 つのセットに分類するニューラルネットワークの例

Question

(ほとんどの XY 例とは異なり) 2 つ以上の機能を受け入れ、データを 2 つのセットに分類する教師ありニューラルネットワークのソースコード例を探しています。私が読んだことから、サポートベクターマシン (SVM)が解決策になるのでしょうか?

私が見つけたすべての分類例は 2 次元です。ここにいくつかあります：

通常は安定している多くの入力からまれなイベントを区別しようとしています。特徴はキーと値のペアであり、通常は値を小さな数値として離散化できます。最初のカテゴリで使用できるトレーニングデータは膨大ですが、2 番目のカテゴリで使用できるトレーニングセットはわずかしかありません。

トレーニングセットの例

[2, 1, 0, 1, 4, 3] -> A  
[1, 1, 2, 3, 3, 0] -> A
[0, 0, 1, 3, 2, 0] -> A

[0, 4, 4, 4, 4, 3] -> B

[1, 3, 4, 4, 4, 0] -> ??? (probably B)

信頼度評価。「B の 85% の確信」は、まれなイベントのしきい値を区別するのに役立ちます。

ニューラルネットワークは最適なソリューションですか?また、これが組み込まれた .NET ライブラリはありますか?

score 2 · Accepted Answer

実際には、これらすべての機械学習手法には長所と短所があります。NN (単層パーセプトロン) を使用する場合、十分なトレーニングデータがあるかどうかを考慮する必要があります。技術的に言えば、良い結果を得るには、ディメンション内のすべてのセルをカバーできる必要があります。

一方、SVM はデータポイントを区切る境界線を見つけようとするため、この境界線に近くない領域にギャップがある場合は問題ありません。

+/- ブースティングの周りには 5 ～ 6 の分類子があり、正直なところ、ほとんどの場合、分類子のタイプは主観的に選択されているようです。一方で、複数の分類器を使って結果を比較する人もいます。

OpenCV を使用すると、別の分類器をプラグインするのが非常に簡単になるため、正しい軌道に乗ることができます。私のプロジェクトでは、C++ で OpenCV と NN 分類子を使用しましたが、結果は非常に良好でした。