深度学习与传统机器学习的不同
更新时间:2023-04-14 14:31:01 阅读量: 实用文档 文档下载
- 深度学习算法推荐度:
- 相关推荐
深度学习与传统机器学习: 选择最适合的方法
简介术语您的项目您的数据您的硬件结束语算法猜想:问答专区深度学习与传统机器学习:选择最适合的方法
347263552
56
深度学习与传统机器学习:选择最适合的方法 | 3放眼互联网,关于 AI 、深度学习和机器学习重要性的文章随处可见。 身为工程师或研究人员,务必充分利用这项新兴技术的优势,那么究 竟从何处入手呢? 在本电子书中,我们将探讨深度学习方法与传统机器学习方法之间的主要区别,帮助您确定初期工作重点。我们从三个角度来说明应当从机器学习还是深度学习(您的项目、数据和硬件)着手开展工作,而后通过案例研究陈述可以综合运用二者的时机。 本电子书假设读者对 AI 技术具有基本了解,并会讨论选择优先算法的过程中需要考虑的注意事项。有关应用这些技术的简介,请参见 MATLAB 机器学习和 MATLAB 深度学习简介。
简介
术语
AI :人工智能 (AI) 是一种计算机系统,经过训练后可以感知环境、做出决策及采取行动。 机器学习:构建自动根据数据开展学习的模型的技术。在本电子书中,我们使用机器学习作为“传统机器学习”的简写形式 — 在传统机器学习工作流程中,你手动选择要使用的相关特征并训练模型。
当我们提到机器学习时,并不包括深度学习。常见技术包括决策树、回归、支持向量机和集成方法。
术语
Thousand Million
Quadrillion
FLOPS
数据分析算法的发展历程。
术语
深度学习:机器学习的一个分支,它根据人脑神经通路进行松散建模。
深度学习与机器学习之间的主要区别在于,这种算法不再手动选择相关
特征,而是自动学习哪些特征有用处。常见技术包括卷积神经网络、循环
神经网络和深度 Q 网络。
算法:用于训练模型执行目标操作的规则集或指令集。
模型:经过训练后可根据一组给定输入预测输出的程序。
深度学习与传统机器学习:选择最适合的方法 | 6
您的项目
您的项目:您想做什么?
首先弄清楚自己想要实现的目标,这一点会很有帮助。关于选择深度学习
而不是机器学习算法,是有一些硬性规则的,在选择时按图索骥即可。
多个步骤,经过综合考量,更适合应用深度学习。
下表列出了一些经常执行的任务,但并非详尽无遗。
深度学习简介:机器学习对比深度学习(3:48)
深度学习与传统机器学习:选择最适合的方法 | 8
您的项目:您想做什么?
根据历史数据和当前数据预测输出。
基于相似性的剩余寿命预测示例采用线性回归。
应用:预测性维护、金融贸易、推荐系统
输入:传感器数据、具有时间戳的财务数据、数值型数据
常见算法:线性回归、决策树、支持向量机 (SVM)、神经网络、关联规则
预测剩余寿命。
深度学习与传统机器学习:选择最适合的方法 | 9
您的项目:您想做什么?
识别图像、视频和信号数据中的对象或动作。
示例:创建可以检测车辆的计算机视觉应用程序。使用 Faster R-CNN
深度学习进行对象检测示例采用卷积神经网络。
应用:高级驾驶辅助 (ADAS) 系统,采用对象检测、机器人、计算机视觉感
知技术进行图像识别、活动检测、语音生物识别(声纹)
输入:图像、视频、信号
常见算法:CNN、聚类、Viola-Jones
使用 R-CNN 检测车辆。
深度学习与传统机器学习:选择最适合的方法 | 10
您的项目:您想做什么?
实地探索路线或仿真规划路线。
示例:执行机器人路线规划,了解抵达目的地的最佳可行路线。
强化学习 (Q-Learning) 文件交换提交采用深度 Q 网络。
应用:控制系统、制造机器人、自动驾驶汽车、无人机、视频游戏
输入:三角函数、物理原理、传感器数据、视频、激光雷达数据
常见算法:强化学习(深度 Q 网络)、人工神经网络 (ANN)、CNN、
循环神经网络 (RNN)
泊车路径规划。
深度学习与传统机器学习:选择最适合的方法 | 11
您的项目:您想做什么?
探索趋势、揭露情感、发现欺诈或威胁。
用隐含狄利克雷分布 (LDA) 主题模型。
应用:将自然语言处理用于安全记录、市场调研或医学研究、情感分析、
网络安全、文档摘要
输入:流式文本数据、静态文本数据
常见算法:RNN、线性回归、SVM、朴素贝叶斯、隐含狄利克雷分布、
隐含语义分析、word2vec
可视化常见主题相关单词。
深度学习与传统机器学习:选择最适合的方法 | 12
您的项目:您想做什么?
增强图像和信号。
示例:通过低分辨率图像创建高分辨率图像。深度学习在单图像超分
辨率上的应用示例采用极深超分辨率 (VDSR) 神经网络。应用:提高图像分辨率、音频信号去噪
输入:图像和信号数据
神经网络
常见算法:LSTM、CNN、VDSR
深度学习与传统机器学习:选择最适合的方法 | 13
您的项目:您想做什么?
根据上下文和所学例程对语音和文本命令做出响应。
行语音命令识别示例采用 CNN。
应用:客户服务呼叫、智能设备、虚拟助理、机器翻译和听写
输入:声学数据、文本数据
常见算法:RNN(特别是 LSTM 算法)、CNN、word2vec
语音命令“打开对应”的音频信号。
深度学习与传统机器学习:选择最适合的方法 | 14
深度学习与传统机器学习:选择最适合的方法 | 15您的项目:需要达到多高的准确率?
准确率是所有机器学习和深度学习项目的关键指标。项目初期,通常集中
精力实现最高准确率,其他问题(如模型内存占用或预测速度)则留待后
续处理。
直观地说,这种方法合情合理;先确定可以达到的最高准确率,再研究可
能降低生产环节准确率的种种限制,这么做是会有所帮助。
您需要运用更多数据训练网络去区分相似图像,
如非洲燕子和欧洲燕子。
您的项目:需要达到多高的准确率?
一般而言,深度学习技术生成的结果的准确率要高于传统机器学习技术,Array因为深度学习采用的模型更复杂,模型中的参数也更多,因而与数据的“契
合度”更高。
如果你有大量数据,和一种非常适合采用深度学习解决问题的应用场景,
那么你可能希望优先采用深度学习技术,因为这项技术可以提供更准确
的结果。
深度学习与传统机器学习:选择最适合的方法 | 16
您的项目:需要达到多高的准确率?
如果一味苛求准确率,很可能导致模型过度拟合。当算法与训练数据的联
系过于紧密时会引发这种情况,促使无法推广应用于更大的数据集。
数据。首先,使用训练和验证数据训练模型;数据需充分反映真实数据,
务必掌握足够的数据。训练模型后,使用全新的测试数据检查模型是否
运行良好。
过度拟合的模型无法有效处理意外数据。
深度学习与传统机器学习:选择最适合的方法 | 17
您的项目:需要达到多高的准确率?
如果认为您的模型开始过度拟合数据,请参见以下术语:
正则化 –对参数施加罚值,帮助防止模型过度依赖单个数据点。
丢弃概率 –随机跳过一些数据,避免模型记忆数据集。
与现实生活极为相似,这其中存在基本常识和反复试错的因素。大部分从
业者通过实验了解各种参数对准确率带来的影响,逐渐形成一种特殊的
直觉。
请记住…
某一时刻可能接近收益递减点,届时调整模型可略微提高准确率。
务必始终牢记最终目标;如有可能,还要从准确率和过度拟合危害
的角度考量增量式改进的影响。
套索拟合系数跟踪图。
深度学习与传统机器学习:选择最适合的方法 | 18
您的项目:需要解释结果吗?数据科学家通常将分享和解释结果的能力称作模型可解释性。易于解释Array的模型具有:
? 少量特征 – 通常在对系统具备一定实际了解的前提下创建
? 透明决策流程
对于具有下列需求的很多应用而言,可解释性很重要:
? 证明您的模型符合政府或行业标准
? 解释有助于做出诊断的因素
? 展现决策无偏见
您的项目:需要解释结果吗?
如果必须能够展示算法得出结论采取的步骤,请重点关注机器学习技术。
传统统计技术(如线性回归和逻辑回归)已广为接受。如果一次采用一个
决策树,哪怕随机森林也相对容易解释。
深度学习与传统机器学习:选择最适合的方法 | 20
您的项目:领域知识Array您对项目所使用的系统有多少了解?
如果是一项与控制领域相关的应用,是否了解可能影响项目的相关系统?
又或者,您的经验是更加封闭的?
在选择用来训练模型的数据以及确定最重要的数据特征时,专业领域知
识可能发挥作用。
通过示意图展示电梯系统组件彼此连接的方式。
深度学习与传统机器学习:选择最适合的方法 | 21
正在阅读:
深度学习与传统机器学习的不同04-14
模拟电子技术基础 答案 主编 沈任元10-16
【数学】2015-2016学年湖北省宜昌三中七年级(下)期中数学试卷和答案05-06
六年级上册科学模拟试题第三单元12-24
施工员土建方向岗位知识与专业技能07-18
小学英语兴趣小组工作总结06-20
基层民警做好群众工作的几点思考12-21
临床血液学检查(实验诊断学 1)03-05
2015年福建省大学生村官考试预测试题04-10
励志漫画图片02-18
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 学习
- 深度
- 机器
- 不同
- 传统
- 2022尔雅 中华诗词之美期末考试答案
- 朱生豪夫妇与《莎士比亚全集》
- 2014年国家公务员考试面试名单
- 中秋节商品促销活动策划方案案例
- 《活法》读书心得3000字
- 居民健康档案管理系统(20110808) 用户手册
- 2022年节油器(燃油宝)发展现状及市场前景趋势分析 (目录)
- 2022年河北经贸大学刑法学803法学综合之刑法学考研仿真模拟五套
- 【最新2022】国企转正申请自我评价-word范文模板 (17页)
- 兆欧表的几个实用问题
- 校园意外伤害事件应急管理机制
- 加拿大多伦多大学博士学费范文
- 小学生作文评分标准
- 生物圈中的其他生物试题
- 2022-2022年丹东市六一小学一年级下册语文练习题含答案
- 北京市燕山区2022届九年级第二次模拟考试英语试题(可编辑PDF版)
- 仪器分析习题及答案
- 山东省德州市2022届高三第二次模拟考试文综政治试题
- 2022年浙江省绍兴市新昌县中考数学一模试卷
- 宠物医院员工管理制度