이 질문의 구조는 다음과 같습니다. 처음에는 앙상블 학습 의 개념을 제공하고 , 추가로 패턴 인식 작업 목록을 제공 한 다음 앙상블 학습 알고리즘의 예를 제공하고 마지막으로 내 질문을 소개합니다. 모든 추가 정보가 필요하지 않은 사람들은 헤드 라인을보고 바로 내 질문으로 넘어갈 수 있습니다.
앙상블 학습이란 무엇입니까?
Wikipedia 기사 에 따르면 :
통계 및 기계 학습에서 앙상블 방법 은 여러 학습 알고리즘을 사용 하여 구성 학습 알고리즘만으로 얻을 수있는 것보다 더 나은 예측 성능 을 얻 습니다. 일반적으로 무한한 통계 역학 의 통계 앙상블 과 달리 머신 러닝 앙상블은 구체적인 유한 한 대안 모델 집합만을 지칭하지만 일반적으로 이러한 대안 중에서 훨씬 더 유연한 구조를 허용합니다.
패턴 인식 작업의 예 :
앙상블 학습 알고리즘의 예 :
PR 작업에 사용되는 다음 앙상블 학습 알고리즘 (Wiki에 따름) :
앙상블 학습 알고리즘 (여러 학습 알고리즘을 함께 결합하기위한 감독 된 메타 알고리즘) :
부스팅 (주로편향을줄이고 주로지도 학습의차이를줄이기위한기계 학습 앙상블메타 알고리즘및 약한 학습자를 강한 학습자로 변환하는 기계 학습 알고리즘 제품군)
부트 스트랩 집계 ( " 배깅 ") (통계 분류및회귀에사용되는 기계 학습 알고리즘의 안정성과 정확성을 향상 시키도록 설계된 기계 학습 앙상블 메타 알고리즘)
앙상블 평균화 (하나의 모델을 생성하는 대신 여러 모델을 생성하고 원하는 출력을 생성하기 위해 이들을 결합하는 프로세스) 모델의 다양한 오류가 "평균화"되기 때문에 모델의 앙상블이 개별 모델보다 성능이 우수합니다. )
- 전문가의 혼합, 전문가의 계층 적 혼합
다른 구현
또한 :
- 하나의 신경망을 사용하여 다른 분류기를 결합하는 방법
- 역량 영역 방법
내 질문
오늘날 어떤 앙상블 학습 알고리즘이 최첨단으로 간주되고 실제로 기업과 조직에서 실제로 얼굴 인식, 차량 등록 판 인식, 광학 문자 인식 등에 사용됩니까? 앙상블 학습 알고리즘을 사용하면 인식 정확도가 높아지고 계산 효율성이 향상됩니다. 그러나 문제가 실제로 이런 식으로 서 있습니까?
패턴 인식 작업에서 분류 정확도와 성능을 향상시킬 수있는 앙상블 방법은 무엇입니까? 아마도 일부 방법이 현재 구식이거나 효과가없는 것으로 보입니다. 앙상블 방법이 일부 새로운 알고리즘의 강도에서 더 이상 사용되지 않는 경향이있을 수도 있습니다. 해당 분야에 경험이 있거나이 분야에 대한 충분한 지식이있는 사람들은 문제를 명확히하는 데 도움을 줄 수 있습니까?