大数据分析到底需要多少种工具?

摘要

JMLR 杂志上最近有一篇论文,作者比较了 179 种不同的分类学习方法(分类学习算法)在 121 个数据集上的性能,发现 Random Forest (随机森林)和 SVM (支持向量机)分类准确率最高,在大多数情况下超过其他方法。本文针对“大数据分析到底需要多少种工具?”这一问题展开讨论,总结机器学习领域多年来积累的经验规律,继而导出大数据分析应该采取的策略。

1 .分类方法大比武

大数据分析主要依靠机器学习和大规模计算。机器学习包括监督学习、非监督学习、强化学习等,而监督学习又包括分类学习、回归学习、排序学习、匹配学习等(见图 1 )。分类是最常见的机器学习应用问题,比如垃圾邮件过滤、人脸检测、用户画像、文本情感分析、网页归类等,本质上都是分类问题。分类学习也是机器学习领域,研究最彻底、使用最广泛的一个分支。

1 机器学习分类体系

最近、 Fernández-Delgado 等人在 JMLR Journal of Machine Learning Research ,机器学习顶级期刊)杂志发表了一篇有趣的论文。他们让 179 种不同的分类学习方法(分类学习算法)在 UCI 121 个数据集上进行了“大比武”( UCI 是机器学习公用数据集,每个数据集的规模都不大)。结果发现 Random Forest (随机森林)和 SVM (支持向量机)名列第一、第二名,但两者差异不大。在 84.3% 的数据上、 Random Forest 压倒了其它 90% 的方法。也就是说,在大多数情况下,只用 Random Forest SVM 事情就搞定了。

2 .几点经验总结

大数据分析到底需要多少种机器学习的方法呢?围绕着这个问题,我们看一下机器学习领域多年得出的一些经验规律。

l 大数据分析性能的好坏,也就是说机器学习预测的准确率,与使用的学习算法、问题的性质、数据集的特性包括数据规模、数据特征等都有关系。

l 一般地, Ensemble 方法包括 Random Forest AdaBoost SVM Logistic Regression 分类准确率最高。

l 没有一种方法可以“包打天下”。 Random Forest SVM 等方法一般性能最好,但不是在什么条件下性能都最好。

l 不同的方法,当数据规模小的时候,性能往往有较大差异,但当数据规模增大时,性能都会逐渐提升且差异逐渐减小。也就是说,在大数据条件下,什么方法都能 work 的不错。参见图 2 Blaco & Brill 的实验结果。

l 对于简单问题, Random Forest SVM 方法基本可行,但是对于复杂问题,比如语音识别、图像识别,最近流行的深度学习方法往往效果更好。深度学习本质是复杂模型学习,是今后研究的重点。

l 在实际应用中,要提高分类的准确率,选择特征比选择算法更重要。好的特征会带来更好的分类结果,而好的特征的提取需要对问题的深入理解。

2 不同机器学习方法在数据集增大时的学习曲线。

3 .应采取的大数据分析策略

建立大数据分析平台时, 选择实现若干种有代表性的方法即可 。当然,不仅要考虑预测的准确率,还有考虑学习效率、开发成本、模型可读性等其他因素。大数据分析平台固然重要, 同时需要有一批能够深入理解应用问题,自如使用分析工具的工程师和分析人员

只有善工利器,大数据分析才能真正发挥威力。

参考文献

[1] Manuel Fernández-Delgado, Eva Cernadas, Senén Barro, Dinani Amorim; Do we Need Hundreds of Classifiers to Solve Real World Classification Problems? Journal of Machine Learning Research 15(Oct):3133−3181, 2014.

[2] Banko, Michele, and Eric Brill. “Scaling to very very large corpora for natural language disambiguation.” Proceedings of the 39th Annual Meeting on Association for Computational Linguistics. Association for Computational Linguistics, 2001.

稿源:李航博士的博客 (源链) | 关于 | 阅读提示

本站遵循[CC BY-NC-SA 4.0]。如您有版权、意见投诉等问题,请通过eMail联系我们处理。
酷辣虫 » 综合技术 » 大数据分析到底需要多少种工具?

喜欢 (0)or分享给?

专业 x 专注 x 聚合 x 分享 CC BY-NC-SA 4.0

使用声明 | 英豪名录