> Photo by Jaime Spaniol on Unsplash

CNN，Mobile-Net，KNN，Random Forest和MLP。 哪种算法最好？

故事

一切始于我年轻的表弟，他在自己的世界里迷路，在绘画本上涂鸦。 我问他在做什么。 他回答说他正在养猫。 看起来根本不像猫。 他要求我和他一起玩游戏，我会认出他在画什么。 一段时间以来，这很有趣，但是很快，我就感到无聊。 我不想不和他玩耍来伤害他的感情，所以我用自己的计算机视觉和Python技巧来制作一个Doodle分类器。 现在的问题是，我将如何实施它？ 有数百种方法可以对Doodle进行分类，而我必须选择一种最准确的涂鸦，即花费最少的时间进行训练，占用更少的内存，需要更少的处理能力并且不需要TB的数据即可提供有意义的信息 结果。

上网浏览后，我发现了可以以最佳方式完成此任务的前5种算法，但是我访问的每个网站都讲述了一个不同的故事。 有些人说CNN是最好的，而另一些人说移动网络是最好的。 我想-好吧，让我们测试一下所有这些。 我在Kaggle竞赛中找到了一个包含大量带有标签的涂鸦的出色数据集，可以免费下载。

图像分类是一个巨大的话题，因为有很多算法可用于各种应用。 图像分类是如此之大和千变万化，以至于每天都在创建新的算法，并且它的新应用也在不断涌现。 因此，即使它们有数百种变体，我也很难手动选择一些算法。 因此，本文将研究哪种算法最适合涂鸦分类。

我还将测试这些算法在其他情况下（例如手写字符分类，车牌识别等）的可靠性。

涵盖范围

· 研究中使用的机器学习技术简介

· 评估指标

· 选择用于研究的参数的详细信息

· 结果

· 局限性和结论

让我们首先简要介绍所使用的机器学习算法

涂鸦分类的算法有数千种，在这里我列出了一些我将探索的著名算法-

1）随机森林

我们可以将随机森林算法用于分类和回归。 就像决策树一样，只是它使用数百个决策树得出结论。 决策树根据相似的特征将数据分为各种类别。 对于每个数据点，它检查是否具有特定功能，大多数常见数据属于同一类。 在随机森林算法中，我们采用许多决策树，并随机给它们提供较少的特征以供检查，例如，如果我们有100个特征，则可能给每棵树10个随机特征。 一些树将分配不正确的类，但是许多树将是正确的！ 我们以多数为准，并创建我们的分类模型。

2）KNN

K最近邻（KNN）既可以用作分类算法，也可以用作回归算法。 在KNN中，数据点分为几类，以预测新样本点的分类。 为了实现此任务，它使用距离公式来计算各个数据点之间的距离，然后基于该距离，然后为每个类别定义区域边界。 任何新的数据点都将属于这些区域之一，并将被分配给该类。

3）MLP

多层感知（MLP）是前馈人工神经网络的一种形式。 MLP有许多层，但在其隐藏层中只有一个逻辑函数，而在输出层中只有一个softmax函数。 该算法以单个大向量作为输入，并对输入层和隐藏层执行矩阵运算，然后结果通过逻辑函数，其输出通过另一个隐层。 重复此过程，直到网络到达输出层为止，在此使用softmax函数生成单个输出。

4）CNN

卷积神经网络（CNN）是最容易实现的深度学习计算机视觉算法之一。首先，它获取给定尺寸的输入图像，并为其创建多个滤镜/特征检测器（最初是给定尺寸的随机生成的矩阵），滤镜的目的是识别图像中的某些图案，然后在滤镜上移动在矩阵和图像之间进行图像和矩阵相乘。该滤镜在整个图像中滑动以收集更多特征，然后我们使用激活函数（主要是整流的线性单位函数）来增加非线性或仅保留重要特征，然后使用max-pooling函数将给定值中的所有值相加矩阵大小（例如，如果我们选择4的矩阵，则它将所有4个值相加以创建1个值），从而减小输出的大小以使其更快。最后一步是展平最终矩阵，该矩阵作为输入传递到基本ANN（人工神经网络）并获得类预测。

5）移动网

Mobile-Net体系结构使用深度方向可分离卷积，其中包括深度方向卷积和点方向卷积。 深度方向卷积是通道方向Dk * Dk空间卷积，假设我们在图像中有3个通道（R，G，B），那么我们将具有3 * Dk * Dk空间卷积。 在逐点卷积中，我们的内核大小为1 * 1 * M，其中M是在深度卷积中的通道数，在这种情况下为3。因此，我们有一个大小为1 * 1 * 3的内核。 我们通过3 * Dk * Dk输出迭代这个内核以获得Dk * Dk * 1输出。 我们可以创建N 1 * 1 * 3个内核，每个内核输出一个Dk * Dk * 1图像，以获得形状为Dk * Dk * N的最终图像。 最后一步是将深度方向卷积添加到点方向卷积。 这种类型的体系结构减少了训练时间，因为我们需要调整的参数较少，而对精度的影响较小。

评估指标

> Sample of doodles used for research

以上是用于本研究的Doodle样本。

我在Kaggle quickdraw数据集上训练了机器学习模型，该数据集包含5000万张不同类型的Doodle图像。 我将庞大的数据集分为两部分：用于训练的35000张图像和用于测试的15000张图像。 然后，我针对随机选择的5种不同类型的Doodle计算每种算法的训练时间。 在测试集上，我计算了每种算法的平均平均精度，准确性和召回率。

评估指标

训练时间

平均平均精度

准确性

召回

Shashwat Tiwari 16MCA0068的更多有关评估指标的信息

选择的参数的详细信息

1）随机森林

n_estimators —森林中决策树的数量。 [10,50,100]

max_features-拆分['auto'，'sqrt']时要考虑的功能

max_depth —树中的最大级别数[2,4,6,8,10]

n_jobs-并行运行的进程数，通常设置为-1以一次执行最大进程。

准则—这是一种计算损失并因此更新模型以使损失越来越小的方法。 ['熵'，'cross_validation']

我使用"自动"作为max_feature； 8作为max_depth; -1作为n_jobs，"熵"作为我的标准，因为它们通常会产生最佳效果。

> the Graph to find an optimum number of trees

但是，为了找出最佳的树数，我使用了GridSearchCV。 它尝试所有给定的参数组合并创建一个表以显示结果。 从图中可以看出，在80棵树之后测试分数没有显着增加。 因此，我决定在80棵树上训练我的分类器。

2）K最近邻居（KNN）

n_neighbors —要比较的最近数据点数[2,5,8]

n_jobs-并行运行的进程数，通常设置为-1以一次执行最大进程

我没有更改此模型的任何默认参数，因为它们会提供最佳结果。

但是，为了找到n_neighbors的最佳数量，我使用了GridSearchCV，这是我得到的图形：

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

根据该图，测试分数在5 n_neighbors之后下降，这意味着5是最佳邻居数。

3）多层感知器（MLP）

alpha-最常用的学习速率，它告诉网络调整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一个值的元组，由每层的隐藏节点数组成。 [（50,50），（100,100,100），（750,750）]

激活—一种功能，可以为图像中的重要特征提供价值，并删除不相关的信息。 ['relu'，'tanh'，'logistic']。

求解器（也称为优化器），该参数告诉网络使用哪种技术来训练网络中的权重。 ['sgd'，'adam']。

batch_size —这是一次要处理的图像数。 [200,100,200]。

我将激活选择为" relu"，将求解器选择为" adam"，因为这些参数可提供最佳结果。

但是，为了选择隐藏层和alpha的数量，我使用了GridSearchCV。

> Table to find an optimum number of N-neighbors

从表中可以看出，当alpha为0.001，hidden_layer_sizes为（784,784）时，可获得最佳结果。 因此，我决定使用那些参数。

4）卷积神经网络（CNN）

learning_rate-告诉网络调整梯度的速度。 [0.01，0.0001，0.00001]

hidden_layer_sizes —它是一个值的元组，由每层的隐藏节点数组成。 [（50,50），（100,100,100），（750,750）]

激活—一种功能，可以为图像中的重要特征提供价值，并删除不相关的信息。 ['relu'，'tanh'，'logistic']。

求解器（也称为优化器），该参数告诉网络使用哪种技术来训练网络中的权重。 ['sgd'，'adam']。

batch_size —这是一次要处理的图像数。 [200,100,200]

时期-程序应运行的次数或应训练模型的次数。 [10,20,200]

我将激活函数选择为" relu"，将求解器选择为" adam"，因为这些参数通常会产生最佳效果。 在网络中，我添加了3个卷积层，2个maxpool层，3个辍学层，最后添加了一个softmax激活函数。 我在这里没有使用GridSearchCV，因为可以尝试很多可能的组合，但是结果不会有太大差异。

5）移动网

Input_shape-是由图像尺寸组成的元组。 [（32,32,1），（128,128,3）]。

Alpha-网络的宽度。 [<1，> 1,1]

激活—一种功能，可以为图像中的重要特征提供价值，并删除不相关的信息。 ['relu'，'tanh'，'logistic']。

优化器—也称为求解器，此参数告诉网络使用哪种技术来训练网络中的权重。 ['sgd'，'adam']。

batch_size —这是一次要处理的图像数。 [200,100,200]。 时期-程序应运行的次数或应训练模型的次数。 [10,20,200]

classes-要分类的类数。 [2,4,10]

损失-告诉网络使用哪种方法来计算损失，即预测值与实际值之差。 ['categorical_crossentropy'，'RMSE']

首先，我将28 * 28图像的大小调整为140 * 140图像，因为移动网络最少需要32 * 32图像，所以我使用的最终input_shape值为（140,140,1），其中1是图像通道（在 这种情况下，黑色和白色）。 我将alpha设置为1，因为它通常会产生最佳效果。 激活功能被设置为默认值，即" relu"。 我使用了" Adadelta"优化器，因为它可以提供最佳效果。 batch_size设置为128以更快地训练模型。 我已经使用20个纪元来提高准确性。 由于我们有5个类别可以分类，因此将类别设置为5。

结果

> Final Results (Fingers crossed)

以上是所使用的所有机器学习技术的性能。 指标包括准确性，召回率，准确性和培训时间。 令我震惊的是，Mobile Net的训练时间为46分钟，因为它被认为是轻巧的模型。 我不确定为什么会这样，如果您知道为什么，请告诉我。

局限性和结论

· 在这项研究中，只使用了28 * 28大小的黑白涂鸦，而在现实世界中，不同的颜色可能会表现出不同的意思或表示不同的事物，并且图像大小可能会有所不同。 因此，在这些情况下，算法的行为可能会有所不同。

· 在所有讨论的算法中，都有许多可以更改和使用的超参数，它们可能会给出不同的结果。

· 训练这些算法的训练集仅限于35000张图像，添加更多图像可以提高这些算法的性能。

结果表明，移动网络实现了最高的准确性，准确性和查全率，因此就这三个参数而言，它是最佳算法。 但是，移动网络的培训时间也是最高的。 如果将其与CNN进行比较，我们可以看到CNN花费更少的时间进行训练，从而提供了相似的准确性，准确性和召回率。 因此，根据这项研究，我可以得出结论，CNN是最好的算法。

在进行了这项研究之后，我得出结论，像移动网络和CNN这样的算法可用于硬文字识别，车牌检测以及世界各地的银行。 诸如移动网络和CNN之类的算法实现了超过97％的准确度，这优于95％的平均人类绩效。 因此，这些算法可以在现实生活中使用，从而使困难或耗时的过程自动化。

私信译者获得本文代码

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