A estrutura desta questão é a seguinte: a princípio, forneço o conceito de aprendizagem por conjuntos , além de fornecer uma lista de tarefas de reconhecimento de padrões , depois apresento exemplos de algoritmos de aprendizagem por conjuntos e, finalmente, apresento minha pergunta. Aqueles que não precisam de todas as informações suplementares podem apenas olhar para as manchetes e ir direto para a minha pergunta.
O que é aprendizado em conjunto?
De acordo com o artigo da Wikipedia :
Em estatística e aprendizado de máquina, os métodos de agrupamento usam vários algoritmos de aprendizado para obter melhor desempenho preditivo do que o obtido por qualquer um dos algoritmos de aprendizado constituintes. Ao contrário de um conjunto estatístico em mecânica estatística, que geralmente é infinito, um conjunto de aprendizado de máquina refere-se apenas a um conjunto finito concreto de modelos alternativos, mas normalmente permite a existência de uma estrutura muito mais flexível entre essas alternativas.
Exemplos de tarefas de reconhecimento de padrões:
- Reconhecimento óptico de caracteres
- Reconhecimento de código de barras
- Reconhecimento de matrícula
- Detecção de rosto
- Reconhecimento de fala
- Reconhecimento de imagem
- Classificação do documento
Exemplos de algoritmos de aprendizagem de conjuntos:
Os seguintes algoritmos de aprendizado de conjunto usados para tarefas de relações públicas (de acordo com o Wiki):
Algoritmos de aprendizado em conjunto (meta-algoritmos supervisionados para combinar vários algoritmos de aprendizado):
Boosting (ummeta-algoritmo doconjunto de aprendizado de máquinapara reduzir principalmente oviése também a variação noaprendizado supervisionado, e uma família de algoritmos de aprendizado de máquina que convertem alunos fracos em alunos fortes)
Agregação de bootstrap (" ensacamento ") (um meta-algoritmo de conjunto de aprendizado de máquina desenvolvido para melhorar a estabilidade e a precisão dos algoritmos de aprendizado de máquina usados naclassificaçãoeregressãoestatística).
Média do conjunto (o processo de criar vários modelos e combiná-los para produzir a saída desejada, em vez de criar apenas um modelo. Freqüentemente, um conjunto de modelos tem um desempenho melhor do que qualquer modelo individual, porque os vários erros dos modelos "se esgotam". )
- Mistura de especialistas, mistura hierárquica de especialistas
Implementações diferentes
- Conjuntos de redes neurais (um conjunto de modelos de redes neurais que tomam uma decisão calculando a média dos resultados de modelos individuais).
- Floresta aleatória (um método de aprendizado conjunto para classificação, regressão e outras tarefas, que opera construindo uma infinidade deárvoresdedecisãono momento do treinamento e gerando a classe que é omododas classes (classificação) ou previsão média (regressão) do indivíduo árvores).
- O AdaBoost (o resultado de outros algoritmos de aprendizado ('alunos fracos') é combinado em uma soma ponderada que representa o resultado final do classificador aprimorado).
Além disso:
- Métodos que usam uma rede neural para combinar diferentes classificadores
- Método das áreas de competência
Minha pergunta
Qual dos algoritmos de aprendizado de conjunto é atualmente considerado o estado da arte e é realmente usado na prática (para detecção de faces, reconhecimento de placas de veículos, reconhecimento óptico de caracteres etc.) por empresas e organizações? O uso de algoritmos de aprendizado de conjunto deve aumentar a precisão do reconhecimento e levar a uma melhor eficiência computacional. Mas, as questões permanecem assim na realidade?
Qual método de conjunto, potencialmente, pode mostrar melhor precisão de classificação e desempenho nas tarefas de reconhecimento de padrões? Talvez alguns dos métodos estejam desatualizados agora ou tenham se mostrado ineficazes. Também é possível que os métodos de agrupamento agora tendam a não ser mais usados com base em alguns novos algoritmos. Quem tem experiência na área ou possui conhecimento suficiente nesse campo, pode ajudar a esclarecer as questões?
