私は機械学習に不慣れです。私はSVM、ニューラルネットワーク、GAに精通しています。写真と音声を分類するための最良のテクニックを知りたいです。SVMはまともな仕事をしますが、多くの時間がかかります。誰もがより速く、より良いものを知っていますか？また、SVM用の最速のライブラリを知りたいです。
2160 次
7 に答える
4
あなたの質問は良いものであり、最先端の分類アルゴリズムに関係しています。あなたが言うように、分類子の選択はデータに依存します。画像の場合、1つの方法があると言えますAda - Boost と呼ばれ、これとこれを読んで、それについて詳しく知ることができます。一方で、多くの人が研究を行っていることを知ることができます。とマウリシオ・コレア] 彼らは言う：
「Adaboost-mLBP は、他のすべての Adaboost ベースのメソッド、およびベースライン メソッド (SVM、PCA、および PCA+SVM) よりも優れています」 ご覧ください。
于 2011-03-26T17:59:09.810 に答える
2
主な関心事が速度である場合は、おそらくVWを調べ、一般的にSVMをトレーニングするための確率的勾配降下法に基づくアルゴリズムを調べる必要があります。
于 2011-03-30T16:39:57.093 に答える
2
トレーニング例の数と比較して機能の数が多い場合は、ロジスティック回帰またはカーネルなしの SVM を使用する必要があります。
機能の数が少なく、トレーニング例の数が中程度の場合は、ガウス カーネルで SVN を使用する必要があります。
機能の数が少なく、トレーニング例の数が多い場合は、ロジスティック回帰またはカーネルなしの SVM を使用します。
これは、スタンフォード ML クラスによるものです。
于 2011-12-05T14:32:30.247 に答える
1
このようなタスクでは、最初に特徴を抽出する必要がある場合があります。その後、分類が実行可能になります。
于 2011-04-03T14:42:58.020 に答える
1
この方法は、主に当面の問題に依存します。どんな問題でも常に最速の方法はありません。そうは言っても、速度のアルゴリズムを選択すると、精度で妥協し始めることにも留意する必要があります.
たとえば、画像を分類しようとしているため、手元にあるトレーニング サンプルの数と比較して、多くの特徴が存在する可能性があります。このような場合、カーネルを使用して SVM を使用すると、分散が高すぎてオーバー フィッティングになる可能性があります。したがって、偏りが大きく分散が小さい方法を選択する必要があります。ロジスティック回帰または線形 SVM を使用することは、それを行ういくつかの方法です。
また、SVD などのさまざまな種類の正則化または手法を使用して、出力予測にあまり寄与しない機能を削除し、最も重要な機能のみを使用することもできます。つまり、相関関係がほとんどまたはまったくない特徴を選択します。これを行うと、精度を犠牲にすることなく、SVM アルゴリズムを高速化できるようになります。
それが役に立てば幸い。
于 2015-04-28T08:44:40.953 に答える
1
特徴の抽出と選択が重要だと思います。
画像の分類には、生のピクセル、 SIFT機能、色、テクスチャなど、多くの機能があります。タスクに適したものを選択することをお勧めします。
私はオーディオの分類に精通していませんが、信号のフーリエ変換MFCCなど、いくつかのスペクトル機能があるかもしれません。
分類に使用される方法も重要です。問題のメソッドに加えて、KNN も妥当な選択です。
実際には、どのような機能や方法を使用するかがタスクに密接に関係しています。
于 2011-06-11T15:32:05.857 に答える