আমি এলোমেলো গাছ এবং অন্যান্য শ্রেণিবদ্ধের উপর পরীক্ষার জন্য ওপেনসিভি লেটার_রেকগ। পিপি উদাহরণ ব্যবহার করছি। এই উদাহরণে ছয় শ্রেণিবদ্ধের প্রয়োগ রয়েছে - এলোমেলো গাছ, বুস্টিং, এমএলপি, কেএনএন, নিষ্পাপ বয়েস এবং এসভিএম। 20000 দৃষ্টান্ত এবং 16 টি বৈশিষ্ট্য সহ ইউসিআই লেটার স্বীকৃতি ডেটাসেট ব্যবহার করা হয়েছে, যা আমি প্রশিক্ষণ এবং পরীক্ষার জন্য অর্ধেকে বিভক্ত হয়েছি। এসভিএমের সাথে আমার অভিজ্ঞতা আছে তাই আমি দ্রুত এটির স্বীকৃতি ত্রুটিটি 3.3% এ সেট করলাম। কিছু পরীক্ষার পরে যা পেলাম তা হ'ল:
ইউসিআই চিঠি স্বীকৃতি:
- আরটিরিস - 5.3%
- বুস্ট - 13%
- এমএলপি - 7.9%
- কেএনএন (কে = 3) - 6.5%
- বেয়েস - 11.5%
- এসভিএম - ৩.৩%
ব্যবহৃত পরামিতি:
আরটিরিস - সর্বাধিক_সংখ্যক_পক্ষে_তিনি_তিনি_ফ্রেস্ট = ২০০, সর্বোচ্চ_দ্বীপ = 20, মিনিট_ নমুনা_কাউন্ট = 1
বুস্ট করুন - বুস্ট_ টাইপ = রিয়েল, দুর্বল_কাউন্ট = 200, ওজন_ট্রিম_রেট = 0.95, সর্বাধিক_ডেপথ = 7
এমএলপি - পদ্ধতি = BACKPROP, প্যারাম = 0.001, ম্যাক্স_জিটার = 300 (ডিফল্ট মান - পরীক্ষায় খুব ধীর)
কেএনএন (কে = 3) - কে = 3
বেয়েস - কোনটিই নয়
এসভিএম - আরবিএফ কার্নেল, সি = 10, গামা = 0.01
এর পরে আমি একই পরামিতি ব্যবহার করেছি এবং প্রথমে গ্রেডিয়েন্ট বৈশিষ্ট্যগুলি (ভেক্টরের আকার 200 উপাদানগুলি) বের করে ডিজিট এবং এমএনআইএসটি ডেটাসেটগুলিতে পরীক্ষা করেছি:
সংখ্যা:
- আরটিরিস - 5.1%
- বুস্ট - 23.4%
- এমএলপি - 4.3%
- কেএনএন (কে = 3) - 7.3%
- বেয়েস - 17.7%
- এসভিএম - ৪.২%
MNIST:
- আরটিরিস - ১.৪%
- বুস্ট - স্মৃতি বাইরে
- এমএলপি - 1.0%
- কেএনএন (কে = 3) - 1.2%
- বেয়েস - 34.33%
- এসভিএম - 0.6%
আমি এসভিএম এবং কেএনএন বাদে সমস্ত শ্রেণিবদ্ধের কাছে নতুন, এই দু'জনের জন্যই আমি বলতে পারি ফলাফল ভাল বলে মনে হচ্ছে। অন্যের কী হবে? আমি এলোমেলো গাছ থেকে আরও প্রত্যাশা করেছি, এমএনআইএসটি কেএনএন আরও ভাল নির্ভুলতা দেয়, কোনও ধারণা কীভাবে এটি উচ্চতর হয়? বুস্ট এবং বেয়েস খুব কম নির্ভুলতা দেয়। শেষ পর্যন্ত আমি একাধিক শ্রেণিবদ্ধকারী সিস্টেম তৈরি করতে এই শ্রেণিবদ্ধ ব্যবহার করতে চাই। কোন পরামর্শ?