> Photo by Jaime Spaniol on Unsplash

CNN，Mobile-Net，KNN，Random Forest和MLP。 哪種算法最好？

故事

一切始于我年輕的表弟，他在自己的世界里迷路，在繪畫本上涂鴉。 我問他在做什么。 他回答說他正在養貓。 看起來根本不像貓。 他要求我和他一起玩游戲，我會認出他在畫什么。 一段時間以來，這很有趣，但是很快，我就感到無聊。 我不想不和他玩耍來傷害他的感情，所以我用自己的計算機視覺和Python技巧來制作一個Doodle分類器。 現在的問題是，我將如何實施它？ 有數百種方法可以對Doodle進行分類，而我必須選擇一種最準確的涂鴉，即花費最少的時間進行訓練，占用更少的內存，需要更少的處理能力并且不需要TB的數據即可提供有意義的信息 結果。

上網瀏覽后，我發現了可以以最佳方式完成此任務的前5種算法，但是我訪問的每個網站都講述了一個不同的故事。 有些人說CNN是最好的，而另一些人說移動網絡是最好的。 我想-好吧，讓我們測試一下所有這些。 我在Kaggle競賽中找到了一個包含大量帶有標簽的涂鴉的出色數據集，可以免費下載。

圖像分類是一個巨大的話題，因為有很多算法可用于各種應用。 圖像分類是如此之大和千變萬化，以至于每天都在創建新的算法，并且它的新應用也在不斷涌現。 因此，即使它們有數百種變體，我也很難手動選擇一些算法。 因此，本文將研究哪種算法最適合涂鴉分類。

我還將測試這些算法在其他情況下（例如手寫字符分類，車牌識別等）的可靠性。

涵蓋范圍

· 研究中使用的機器學習技術簡介

· 評估指標

· 選擇用于研究的參數的詳細信息

· 結果

· 局限性和結論

讓我們首先簡要介紹所使用的機器學習算法

涂鴉分類的算法有數千種，在這里我列出了一些我將探索的著名算法-

1）隨機森林

我們可以將隨機森林算法用于分類和回歸。 就像決策樹一樣，只是它使用數百個決策樹得出結論。 決策樹根據相似的特征將數據分為各種類別。 對于每個數據點，它檢查是否具有特定功能，大多數常見數據屬于同一類。 在隨機森林算法中，我們采用許多決策樹，并隨機給它們提供較少的特征以供檢查，例如，如果我們有100個特征，則可能給每棵樹10個隨機特征。 一些樹將分配不正確的類，但是許多樹將是正確的！ 我們以多數為準，并創建我們的分類模型。

2）KNN

K最近鄰（KNN）既可以用作分類算法，也可以用作回歸算法。 在KNN中，數據點分為幾類，以預測新樣本點的分類。 為了實現此任務，它使用距離公式來計算各個數據點之間的距離，然后基于該距離，然后為每個類別定義區域邊界。 任何新的數據點都將屬于這些區域之一，并將被分配給該類。

3）MLP

多層感知（MLP）是前饋人工神經網絡的一種形式。 MLP有許多層，但在其隱藏層中只有一個邏輯函數，而在輸出層中只有一個softmax函數。 該算法以單個大向量作為輸入，并對輸入層和隱藏層執行矩陣運算，然后結果通過邏輯函數，其輸出通過另一個隱層。 重復此過程，直到網絡到達輸出層為止，在此使用softmax函數生成單個輸出。

4）CNN

卷積神經網絡（CNN）是最容易實現的深度學習計算機視覺算法之一。首先，它獲取給定尺寸的輸入圖像，并為其創建多個濾鏡/特征檢測器（最初是給定尺寸的隨機生成的矩陣），濾鏡的目的是識別圖像中的某些圖案，然后在濾鏡上移動在矩陣和圖像之間進行圖像和矩陣相乘。該濾鏡在整個圖像中滑動以收集更多特征，然后我們使用激活函數（主要是整流的線性單位函數）來增加非線性或僅保留重要特征，然后使用max-pooling函數將給定值中的所有值相加矩陣大小（例如，如果我們選擇4的矩陣，則它將所有4個值相加以創建1個值），從而減小輸出的大小以使其更快。最后一步是展平最終矩陣，該矩陣作為輸入傳遞到基本ANN（人工神經網絡）并獲得類預測。

5）移動網

Mobile-Net體系結構使用深度方向可分離卷積，其中包括深度方向卷積和點方向卷積。 深度方向卷積是通道方向Dk * Dk空間卷積，假設我們在圖像中有3個通道（R，G，B），那么我們將具有3 * Dk * Dk空間卷積。 在逐點卷積中，我們的內核大小為1 * 1 * M，其中M是在深度卷積中的通道數，在這種情況下為3。因此，我們有一個大小為1 * 1 * 3的內核。 我們通過3 * Dk * Dk輸出迭代這個內核以獲得Dk * Dk * 1輸出。 我們可以創建N 1 * 1 * 3個內核，每個內核輸出一個Dk * Dk * 1圖像，以獲得形狀為Dk * Dk * N的最終圖像。 最后一步是將深度方向卷積添加到點方向卷積。 這種類型的體系結構減少了訓練時間，因為我們需要調整的參數較少，而對精度的影響較小。

評估指標

> Sample of doodles used for research

以上是用于本研究的Doodle樣本。

我在Kaggle quickdraw數據集上訓練了機器學習模型，該數據集包含5000萬張不同類型的Doodle圖像。 我將龐大的數據集分為兩部分：用于訓練的35000張圖像和用于測試的15000張圖像。 然后，我針對隨機選擇的5種不同類型的Doodle計算每種算法的訓練時間。 在測試集上，我計算了每種算法的平均平均精度，準確性和召回率。

評估指標

訓練時間

平均平均精度

準確性

召回

Shashwat Tiwari 16MCA0068的更多有關評估指標的信息

選擇的參數的詳細信息

1）隨機森林

n_estimators —森林中決策樹的數量。 [10,50,100]

max_features-拆分['auto'，'sqrt']時要考慮的功能

max_depth —樹中的最大級別數[2,4,6,8,10]

n_jobs-并行運行的進程數，通常設置為-1以一次執行最大進程。

準則—這是一種計算損失并因此更新模型以使損失越來越小的方法。 ['熵'，'cross_validation']

我使用"自動"作為max_feature； 8作為max_depth; -1作為n_jobs，"熵"作為我的標準，因為它們通常會產生最佳效果。

> the Graph to find an optimum number of trees

但是，為了找出最佳的樹數，我使用了GridSearchCV。 它嘗試所有給定的參數組合并創建一個表以顯示結果。 從圖中可以看出，在80棵樹之后測試分數沒有顯著增加。 因此，我決定在80棵樹上訓練我的分類器。

2）K最近鄰居（KNN）

n_neighbors —要比較的最近數據點數[2,5,8]

n_jobs-并行運行的進程數，通常設置為-1以一次執行最大進程

我沒有更改此模型的任何默認參數，因為它們會提供最佳結果。

但是，為了找到n_neighbors的最佳數量，我使用了GridSearchCV，這是我得到的圖形：

> The graph to find an optimum number of N-neighbors

根據該圖，測試分數在5 n_neighbors之后下降，這意味著5是最佳鄰居數。

3）多層感知器（MLP）

alpha-最常用的學習速率，它告訴網絡調整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一個值的元組，由每層的隱藏節點數組成。 [（50,50），（100,100,100），（750,750）]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關的信息。 ['relu'，'tanh'，'logistic']。

求解器（也稱為優化器），該參數告訴網絡使用哪種技術來訓練網絡中的權重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數。 [200,100,200]。

我將激活選擇為" relu"，將求解器選擇為" adam"，因為這些參數可提供最佳結果。

但是，為了選擇隱藏層和alpha的數量，我使用了GridSearchCV。

> Table to find an optimum number of N-neighbors

從表中可以看出，當alpha為0.001，hidden_layer_sizes為（784,784）時，可獲得最佳結果。 因此，我決定使用那些參數。

4）卷積神經網絡（CNN）

learning_rate-告訴網絡調整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一個值的元組，由每層的隱藏節點數組成。 [（50,50），（100,100,100），（750,750）]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關的信息。 ['relu'，'tanh'，'logistic']。

求解器（也稱為優化器），該參數告訴網絡使用哪種技術來訓練網絡中的權重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數。 [200,100,200]

時期-程序應運行的次數或應訓練模型的次數。 [10,20,200]

我將激活函數選擇為" relu"，將求解器選擇為" adam"，因為這些參數通常會產生最佳效果。 在網絡中，我添加了3個卷積層，2個maxpool層，3個輟學層，最后添加了一個softmax激活函數。 我在這里沒有使用GridSearchCV，因為可以嘗試很多可能的組合，但是結果不會有太大差異。

5）移動網

Input_shape-是由圖像尺寸組成的元組。 [（32,32,1），（128,128,3）]。

Alpha-網絡的寬度。 [<1，> 1,1]

激活—一種功能，可以為圖像中的重要特征提供價值，并刪除不相關的信息。 ['relu'，'tanh'，'logistic']。

優化器—也稱為求解器，此參數告訴網絡使用哪種技術來訓練網絡中的權重。 ['sgd'，'adam']。

batch_size —這是一次要處理的圖像數。 [200,100,200]。 時期-程序應運行的次數或應訓練模型的次數。 [10,20,200]

classes-要分類的類數。 [2,4,10]

損失-告訴網絡使用哪種方法來計算損失，即預測值與實際值之差。 ['categorical_crossentropy'，'RMSE']

首先，我將28 * 28圖像的大小調整為140 * 140圖像，因為移動網絡最少需要32 * 32圖像，所以我使用的最終input_shape值為（140,140,1），其中1是圖像通道（在 這種情況下，黑色和白色）。 我將alpha設置為1，因為它通常會產生最佳效果。 激活功能被設置為默認值，即" relu"。 我使用了" Adadelta"優化器，因為它可以提供最佳效果。 batch_size設置為128以更快地訓練模型。 我已經使用20個紀元來提高準確性。 由于我們有5個類別可以分類，因此將類別設置為5。

結果

> Final Results (Fingers crossed)

以上是所使用的所有機器學習技術的性能。 指標包括準確性，召回率，準確性和培訓時間。 令我震驚的是，Mobile Net的訓練時間為46分鐘，因為它被認為是輕巧的模型。 我不確定為什么會這樣，如果您知道為什么，請告訴我。

局限性和結論

· 在這項研究中，只使用了28 * 28大小的黑白涂鴉，而在現實世界中，不同的顏色可能會表現出不同的意思或表示不同的事物，并且圖像大小可能會有所不同。 因此，在這些情況下，算法的行為可能會有所不同。

· 在所有討論的算法中，都有許多可以更改和使用的超參數，它們可能會給出不同的結果。

· 訓練這些算法的訓練集僅限于35000張圖像，添加更多圖像可以提高這些算法的性能。

結果表明，移動網絡實現了最高的準確性，準確性和查全率，因此就這三個參數而言，它是最佳算法。 但是，移動網絡的培訓時間也是最高的。 如果將其與CNN進行比較，我們可以看到CNN花費更少的時間進行訓練，從而提供了相似的準確性，準確性和召回率。 因此，根據這項研究，我可以得出結論，CNN是最好的算法。

在進行了這項研究之后，我得出結論，像移動網絡和CNN這樣的算法可用于硬文字識別，車牌檢測以及世界各地的銀行。 諸如移動網絡和CNN之類的算法實現了超過97％的準確度，這優于95％的平均人類績效。 因此，這些算法可以在現實生活中使用，從而使困難或耗時的過程自動化。

私信譯者獲得本文代碼

(本文翻譯自Shubh Patni的文章《Ultimate Showdown of machine Learning Algorithms》，參考：https://towardsdatascience.com/ultimate-showdown-of-machine-learning-algorithms-af68fbb90b06)