Quelle est la différence entre le renforcement et les réseaux de neurones artificiels dans l'exploration de données?


Réponse 1:

Le boosting est généralement la combinaison de classificateurs. Mais en tant que méthode peut également être appliquée aux réseaux de neurones. Par exemple, vous pouvez entraîner N réseaux de neurones et faire la moyenne de leurs sorties.

La réponse de Chomba est assez bonne si nous parlons d'un algorithme d'alto jones comme qui utilise les fonctionnalités de Haar et les classificateurs de seuil avec une stratégie de boost intelligente. Mais les fonctionnalités sont plus artisanales ici. Leurs poids et formes sont prédéterminés et optimisés uniquement dans le sens d'une sélection de sous-ensembles. Alors que dans les réseaux de neurones, les fonctionnalités ne sont fixes que dans leur taille tandis que leurs poids sont optimisés. Ils sont également généralement plus expressifs que les simples fonctionnalités de Haar.


Réponse 2:
EDIT: Mon approche de cette réponse est basée sur le fait que dans l'exploration de données, il est important de modéliser les données, donc le boosting peut être utilisé pour identifier quelles fonctionnalités sont importantes dans une tâche spécifique comme la détection de visage, c'est pourquoi j'ai appelé boosting a méthode de sélection des fonctionnalités, dans la plupart des publications, cela est rarement mentionné. En comparaison, les RNA ne peuvent pas aider à déterminer quelles fonctionnalités sont importantes.