La estructura de esta pregunta es la siguiente: al principio, proporciono el concepto de aprendizaje en conjunto , luego proporciono una lista de tareas de reconocimiento de patrones , luego doy ejemplos de algoritmos de aprendizaje en conjunto y, finalmente, presento mi pregunta. Aquellos que no necesitan toda la información complementaria pueden simplemente mirar los titulares e ir directamente a mi pregunta.
¿Qué es el aprendizaje conjunto?
Según el artículo de Wikipedia :
En estadística y aprendizaje automático, los métodos de conjunto utilizan múltiples algoritmos de aprendizaje para obtener un mejor rendimiento predictivo que el que se podría obtener de cualquiera de los algoritmos de aprendizaje constituyentes. A diferencia de un conjunto estadístico en mecánica estadística, que generalmente es infinito, un conjunto de aprendizaje automático se refiere solo a un conjunto finito concreto de modelos alternativos, pero generalmente permite que exista una estructura mucho más flexible entre esas alternativas.
Ejemplos de tareas de reconocimiento de patrones:
- Reconocimiento óptico de caracteres
- Reconocimiento de código de barras
- Reconocimiento de matrícula
- Detección de rostro
- Reconocimiento de voz
- Reconocimiento de imagen
- Clasificación de documentos
Ejemplos de algoritmos de aprendizaje conjunto:
Los siguientes algoritmos de aprendizaje de conjunto utilizados para tareas de relaciones públicas (según Wiki):
Conjunto de algoritmos de aprendizaje (meta-algoritmos supervisados para combinar múltiples algoritmos de aprendizaje):
Impulso (unmeta-algoritmo delconjunto de aprendizaje automáticopara reducir principalmente elsesgo, y también la varianza en elaprendizaje supervisado, y una familia de algoritmos de aprendizaje automático que convierten a los estudiantes débiles en fuertes)
Bootstrap agregación (" ensacado ") (un meta-algoritmo de conjunto de aprendizaje automático diseñado para mejorar la estabilidad y precisión de los algoritmos de aprendizaje automático utilizados enla clasificaciónyregresiónestadística).
Promedio de conjuntos (el proceso de crear múltiples modelos y combinarlos para producir un resultado deseado, en lugar de crear un solo modelo. Con frecuencia, un conjunto de modelos funciona mejor que cualquier modelo individual, porque los diversos errores de los modelos se "promedian". )
- Mezcla de expertos, mezcla jerárquica de expertos.
Diferentes implementaciones
- Conjuntos de redes neuronales (un conjunto de modelos de redes neuronales que toman una decisión promediando los resultados de modelos individuales).
- Bosque aleatorio (un método de aprendizaje conjunto para clasificación, regresión y otras tareas, que opera construyendo una multitud deárbolesdedecisiónen el momento del entrenamiento y generando la clase que es elmodode las clases (clasificación) o la predicción media (regresión) del individuo árboles).
- AdaBoost (la salida de los otros algoritmos de aprendizaje ('estudiantes débiles') se combina en una suma ponderada que representa la salida final del clasificador potenciado).
Adicionalmente:
- Métodos que usan una red neuronal para combinar diferentes clasificadores
- Método de áreas de competencia
Mi pregunta
¿Cuál de los algoritmos de aprendizaje de conjunto se considera de vanguardia hoy en día y es realmente utilizado en la práctica (para detección de rostros, reconocimiento de placas de matrícula de vehículos, reconocimiento óptico de caracteres, etc.) por empresas y organizaciones? Se supone que el uso de algoritmos de aprendizaje conjunto aumenta la precisión del reconocimiento y conduce a una mejor eficiencia computacional. Pero, ¿las cosas se mantienen así en la realidad?
¿Qué método de conjunto, potencialmente, puede mostrar una mejor precisión de clasificación y rendimiento en las tareas de reconocimiento de patrones? Quizás, algunos de los métodos están desactualizados ahora, o han demostrado ser ineficaces. También es posible que los métodos de conjunto ahora ya no se usen debido a la fuerza de algunos algoritmos nuevos. Aquellos que tienen experiencia en el área o tienen suficiente conocimiento en este campo, ¿pueden ayudarnos a aclarar los asuntos?