Foaie de cheat: Cum se alege un algoritm MicrosoftML – Machine Learning Server

• 25.09.2017
• 5 minute de citit

• • d

  • g

  • H

  • j

  • c

In acest articol

MicrosoftML: Algoritmul foaie cu va ajuta sa alegeti algoritmul de invatare masina potrivita pentru un model de analiza predictiva atunci cand se utilizeaza Invatare automata Server. Algoritmii sunt disponibili in R sau Python.

MicrosoftML ofera o biblioteca de algoritmi din regresia , clasificarea (doua clase si multi-clasa) si familiile de detectare a anomaliilor . Fiecare este conceput pentru a aborda un tip diferit de problema de invatare automata.

Descarcati foaia de cheat algoritm MicrosoftML

Descarcati foaia de cheat aici: Pachet MicrosoftML: Algorithm Cheat Sheet v2 (11×17 in.)

Descarcati si tipariti MicrosoftML: Algorithm Cheat Sheet in dimensiunea tabloidului pentru a-l mentine la indemana pentru orientare atunci cand alegeti un algoritm de invatare automata.

Algoritmi de invatare automata MicrosoftML

Aceasta sectiune contine descrieri ale algoritmilor de invatare automata continute in foaia de cheaturi a algoritmului. Algoritmii sunt disponibili in R sau Python. Numele R si Python sunt furnizate in formatul: ** Nume R / Nume Python **.

Model liniar rapid (SDCA)

The rxFastTrees () / rx_fast_trees () Algoritmul se bazeaza pe metoda Stochastic dual Ascent (SDCA), o tehnica de optimizare de stat-of-the-art pentru functii obiectiv convexe de coordonate. Algoritmul poate fi scalat pentru utilizare pe seturi mari de date din memorie, datorita unei implementari semi-asincronizate care accepta procesarea cu mai multe fire. Sunt oferite, de asemenea, mai multe optiuni de functii de pierdere si este acceptata regularizarea neta a elasticului. Metoda SDCA combina cateva dintre cele mai bune proprietati si capacitati de regresie logistica si algoritmi SVM.

Sarcini acceptate : clasificare binara, regresie liniara

OneClass SVM

RxOneClassSvm () / rx_one_class_svm () Algoritmul este utilizat pentru detectarea anomaliilor de -o singura clasa. Acesta este un tip de invatare nesupravegheata, deoarece setul sau de formare contine doar exemple din clasa tinta si nu instante anormale. Acesta deduce ce proprietati sunt normale pentru obiectele din clasa tinta si din aceste proprietati prezice care exemple sunt diferite de aceste exemple normale. Acest lucru este util deoarece de obicei exista foarte putine exemple de intruziune in retea, frauda sau alte tipuri de comportament anormal in seturile de date de instruire.

Sarcini acceptate : detectarea anomaliilor

Arborele rapid

The rxFastTrees () / rx_fast_trees () algoritm este o inalta performanta, starea de Scalable arta stimulat de decizie copac care pune in aplicare FastRank, o punere in aplicare eficienta a algoritmului de gradient MART stimulare. MART invata un ansamblu de arbori de regresie, care este un arbore de decizie cu valori scalare in frunze. Pentru clasificarea binara, iesirea este convertita intr-o probabilitate utilizand o forma de calibrare.

Sarcini acceptate : clasificare binara, regresie

Padurea rapida

RxFastForest () / rx_fast_forest () Algoritmul este o padure aleatoare , care ofera o metoda de invatare pentru clasificare , care construieste un ansamblu de arbori de decizie in timp de formare, clasa care scoate este modul claselor de copaci individuale. Padurile de decizie aleatorii pot corecta supraadaptarea la seturi de date de instruire la care arborii de decizie sunt predispusi.

Sarcini acceptate : clasificare binara, regresie

Retea neurala

RxNeuralNet () / rx_neural_net () sprijina algoritm o topologie de retea multistrat definita de utilizator cu accelerare GPU. O retea neuronala este o clasa de modele de predictie inspirate de creierul uman. Poate fi reprezentat ca un grafic directionat ponderat. Fiecare nod din grafic se numeste neuron. Algoritmul retelei neuronale incearca sa invete greutatile optime pe margini pe baza datelor de antrenament. Orice clasa de modele statistice poate fi considerata o retea neuronala daca utilizeaza greutati adaptive si poate aproxima functii neliniare ale intrarilor lor. Regresia retelei neuronale este potrivita in special problemelor in care un model de regresie mai traditional nu se potriveste unei solutii.

Sarcini acceptate : clasificare binara si multiclasa, regresie

Regresie logistica

RxLogisticRegression () / rx_logistic_regression () Algoritmul este utilizat pentru a prezice valoarea unei variabile dependente categorice de relatia sa cu una sau mai multe variabile independente presupune a avea o distributie logistica. Daca variabila dependenta are doar doua valori posibile (succes / esec), atunci regresia logistica este binara. Daca variabila dependenta are mai mult de doua valori posibile (tipul de sange dat fiind rezultatele testelor de diagnostic), atunci regresia logistica este multinomiala.

Sarcini acceptate : clasificare binara si multiclasa

Metode de ansamblu

RxEnsemble () / rx_emsemble () algoritmul foloseste o combinatie de algoritmi de invatare pentru a oferi o performanta mai buna de predictie ca algoritmii ar putea in mod individual. Abordarea este utilizata in principal in mediul Hadoop / Spark pentru instruirea intr-un cluster multi-nod. Dar poate fi folosit si intr-un singur nod / context local.

Sarcini acceptate : clasificare binara si multiclasa, regresie

Mai mult ajutor cu algoritmi

Pentru o lista pe categorii a tuturor algoritmilor de invatare automata disponibili in pachetul MicrosoftML, consultati:

• Functii MicrosoftML R
• Functii MicrosoftML Python

Note si definitii terminologice pentru foaia de trucuri a algoritmului de invatare automata

• Sugestiile oferite in aceasta foaie de trucuri ale algoritmului sunt reguli aproximative. Unele pot fi indoite, iar altele pot fi incalcate in mod flagrant. Aceasta foaie este destinata doar sa sugereze un punct de plecare. Nu va fie teama sa rulati o competitie cap la cap intre mai multi algoritmi pe datele dvs. Pur si simplu nu exista nici un substitut pentru intelegerea principiilor fiecarui algoritm si intelegerea sistemului care a generat datele dvs.

• Fiecare algoritm de invatare automata are propriul stil sau partinire inductiva . Pentru o problema specifica, mai multi algoritmi pot fi adecvati si un algoritm poate fi mai potrivit decat altii. Dar anticiparea care va fi cea mai potrivita in prealabil nu este intotdeauna posibila. In astfel de cazuri, mai multi algoritmi sunt enumerati impreuna in foaia de trucuri. O strategie adecvata ar fi incercarea unui algoritm si, daca rezultatele nu sunt inca satisfacatoare, incercati celelalte.

• Doua categorii de invatare automata sunt acceptate de MicrosoftML: invatarea supravegheata si invatarea nesupravegheata .

  • In invatarea supravegheata , fiecare punct de date este etichetat sau asociat cu o categorie sau valoare de interes. Scopul invatarii supravegheate este de a studia multe exemple etichetate ca acestea si apoi de a putea face predictii despre punctele de date viitoare. Toti algoritmii din MicrosoftML sunt cursanti supravegheati, cu exceptia rxOneClassSvm () utilizat pentru detectarea anomaliilor.

  • In invatarea nesupravegheata , punctele de date nu au etichete asociate. In schimb, scopul unui algoritm de invatare nesupravegheat este sa organizeze datele intr-un fel sau sa descrie structura acestuia. Numai algoritmul rxOneClassSvm () utilizat pentru detectarea anomaliilor este un cursant nesupravegheat.

Ce urmeaza?

Quickstarts pentru MicrosoftML arata cum sa utilizati modele pre-instruite pentru analiza sentimentului si pentru imbunatatirea imaginii.