La estructura de esta pregunta es el siguiente: en primer lugar, que proporcionan el concepto de conjunto de aprendizaje, más que proporcionar una lista de reconocimiento de patrones de tareas, luego me doy ejemplos del conjunto de algoritmos de aprendizaje y, finalmente, presentar a mi pregunta. Aquellos que no necesitan toda la información complementaria podría mirar los titulares e ir directamente a mi pregunta.
¿Qué es el conjunto de aprendizaje?
Según la Wikipedia el artículo:
En las estadísticas y de aprendizaje de la máquina, el conjunto de métodos de uso múltiple algoritmos de aprendizaje para obtener una mejor predicción del rendimiento que podría ser obtenidos a partir de cualquiera de los componentes de los algoritmos de aprendizaje por sí solo. A diferencia de un conjunto de estadística en la mecánica estadística, que es generalmente infinito, una máquina de aprendizaje conjunto, se refiere a una hormigón conjunto finito de alternativas a los modelos, pero permite por lo general mucho estructura más flexible que existe entre esas alternativas.
Ejemplos de reconocimiento de patrones tareas:
- El reconocimiento óptico de caracteres
- Reconocimiento de códigos de barras
- Reconocimiento de matrículas
- Detección de la cara
- Reconocimiento de voz
- De reconocimiento de imagen
- Clasificación de documentos
Ejemplos del conjunto de algoritmos de aprendizaje:
El siguiente conjunto de algoritmos de aprendizaje utilizados para la PR tareas (según la Wiki):
Conjunto de algoritmos de aprendizaje (supervisado meta-algoritmos para la combinación de varios algoritmos de aprendizaje juntos):
Impulsar (una máquina de aprendizaje conjunto de meta-algoritmo para principalmente la reducción de sesgo, y también de la varianza en el aprendizaje supervisado, y una familia de algoritmos de aprendizaje automático que convertir débiles de los alumnos a los fuertes)
Bootstrap agregación ("embolsado") (una máquina de aprendizaje conjunto de meta-algoritmo diseñado para mejorar la estabilidad y la precisión de los algoritmos de aprendizaje automático se utiliza en estadística de clasificación y regresión).
Un promedio de conjunto (el proceso de creación de varios modelos y las combina para producir una salida deseada, como contraposición a la creación de un único modelo. Con frecuencia un conjunto de modelos se comporta mejor que cualquier modelo individual, debido a los diversos errores de los modelos de "promedio".)
- La mezcla de expertos, jerárquica mezcla de expertos
Implementaciones diferentes
- Conjuntos de redes neuronales (un conjunto de modelos de red neuronal de tomar una decisión por el promedio de los resultados de los modelos individuales).
- Bosque aleatorio (un conjunto de aprendizaje método de clasificación, regresión y otras tareas, que operan mediante la construcción de una multitud de árboles de decisión en el tiempo de entrenamiento y la salida de la clase que se la modalidad de las clases (clasificación) o la media de la predicción (regresión) de los árboles individuales).
- AdaBoost (la salida de los otros algoritmos de aprendizaje ('débil estudiantes') se combinan en una suma ponderada que representa el final salida de la impulsó clasificador).
Además:
- Los métodos que utiliza una red neuronal para combinar diferentes clasificadores
- Áreas de competencia método
Mi pregunta
Que el conjunto de algoritmos de aprendizaje se considera estado-de-el-arte en la actualidad y se utiliza realmente en la práctica (para la detección de la cara, registro del vehículo, placas de reconocimiento, reconocimiento óptico de caracteres, etc.) por parte de las empresas y organizaciones? El uso conjunto de algoritmos de aprendizaje se supone que es para aumentar la precisión del reconocimiento y conducir a una mejor eficiencia computacional. Pero, ¿ están las cosas de esta manera en la realidad?
Que conjunto de método, potencialmente, puede mostrar una mejor precisión de la clasificación y el rendimiento en las tareas de reconocimiento de patrones? Tal vez, algunos de los métodos son anticuados, o han demostrado ser ineficaces. También es posible que el conjunto de los métodos de ahora tienden a no ser utilizado nunca más en la fuerza de algunos de los nuevos algoritmos. Los que tienen experiencia en el área o que tenga los suficientes conocimientos en este campo, puede ayudar a aclarar el asunto?
