分類器と性能の一覧
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/07/24 16:39 UTC 版)
「MNISTデータベース」の記事における「分類器と性能の一覧」の解説
本データセットを用いて評価された機械学習手法とその誤検知率を、分類器の種類別に表している。 分類器の種別分類器の説明(784-100-10といった表記は、ニューラルネットワークにおける各層のノード数を表す。またPはプーリング層。) 歪み加工前処理誤検知率（％）線形分類器 ペアワイズ線形分類器 — 自動傾き補正 7.6 ランダム化された木を使用したデジションストリーム 単一モデル（深さ400以上） — — 2.7 K近傍法 非線形変換を伴うK-NN（P2DHMDM） — エッジずらし 0.52 決定株（英語版）のブースト Haar特徴を用いた決定株のブースト — Haar特徴量（英語版） 0.87 サポートベクターマシン（SVM） 仮想SVM — 自動傾き補正 0.56 ディープニューラルネットワーク（DNN） 2層 784-800-10 — — 1.6 ディープニューラルネットワーク 2層 784-800-10 弾性歪み — 0.7 ディープニューラルネットワーク 6層 784-2500-2000-1500-1000-500-10 弾性歪み — 0.35 畳み込みニューラルネットワーク (CNN) 6層 784-40-80-500-1000-2000-10 — 学習データの拡張 0.31 畳み込みニューラルネットワーク 6層 784-50-100-500-1000-10-10 — 学習データの拡張 0.27 畳み込みニューラルネットワーク 13層 64-128（5x）-256（3x）-512-2048-256-256-10 — — 0.25 畳み込みニューラルネットワーク 35個のCNNの組み合わせ、1-20-P-40-P-150-10 弾性歪み 幅の正規化 0.23 畳み込みニューラルネットワーク 5つのCNNの組み合わせ, 6層 784-50-100-500-1000-10-10 — 学習データの拡張 0.21 ランダムマルチモデルディープラーニング（RMDL） 10個のニューラルネットワーク, 10個のリカレントニューラルネットワーク、10個の畳み込みニューラルネットワーク — — 0.18
※この「分類器と性能の一覧」の解説は、「MNISTデータベース」の解説の一部です。
「分類器と性能の一覧」を含む「MNISTデータベース」の記事については、「MNISTデータベース」の概要を参照ください。
- 分類器と性能の一覧のページへのリンク
