CNN和决策树/森林有什么区别
用户名
我正在阅读一篇论文，当时该论文的导师J. Welbl建议将卷积神经网络与决策树进行合并，网址为http://hci.iwr.uni-heidelberg.de/publications/mip/techrep/welbl_14_casting.pdf。这里是上面提到的论文的照片：
这让我开始思考，我无法回答这两种方法之间的区别。由于在CNN中，反向传播和梯度下降用于训练决策，因此也可以很容易地将其应用于决策树，因此输出应相同？
我是对还是完全错了？
Lejlot
实际上，决策树和CNN几乎没有共同点。这些模型的构建方式（特别是您不通过梯度下降训练DT，它们不能表示要素之间的线性关系，等等...），经过训练且具有一般特征，完全不同。您可以简单地将DT“转换”为神经网络（但不能相反！），但是您可以（几乎）使用任何模型来实现，但这并不意味着所有内容都是神经网络。这仅显示了神经网络的总体模糊程度。
现在更多细节。首先，论文谈论的是ANN（人工神经网络），而不是CNN（卷积神经网络）。其次-就可计算性而言，人工神经网络是如此笼统，您可以将每个非循环/循环计算都表示为人工神经网络。此外，一旦进入递归网络，您实际上可以证明它们已经完成了图灵化（因此，每种算法都可以表示为RNN）。唯一缺少的是为什么。通常，这样做是没有意义的。作者在这里只是声称，他们可以进一步微调以ANN表示的RF，并且说实话，所提供的结果令人信服（因为忘记了RF，您就将RF变得极其简单，并行化容易，超参数数量少，易于实现）。使用，依此类推）。特别是-您可以通过多种方式微调RF，并且显然可以通过拟合下一个超参数（它们可以这样做）并对其进行验证-您将提高得分。但是，正如我所说的，这里显示的内容没有深度（并且肯定没有暗示RF是神经网络：-））-您可以考虑将任何非循环/递归模型称为ANN，但这并不意味着特定模型（例如DT）是ANN。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
rpart决策树中的rel错误和x error有什么区别？
- 2
为什么我的随机森林和决策树一直显示 100% 的准确率？
- 3
具有一棵树的随机森林的性能要比单个决策树差？
- 4
分支节点和决策节点之间有什么区别？
- 5
决策边界和超平面有什么区别？
- 6
Tidymodel包：R中的常规线性模型（glm）和决策树（袋装树，增强树和随机森林）模型
- 7
获得随机森林中决策树的价值
- 8
决策树的深度取决于什么？
- 9
为什么随机森林或决策树不能给出100％的精度？以及如何处理中间的巨大噪音？
- 10
什么是B *树，它与B树和B +树有什么区别？
- 11
r闪亮的决策树（具有状态和概率的树）功能
- 12
关于随机森林，OOB和Logloss误差有什么区别？
- 13
决策树深度
- 14
带循环和决策树的小求解器程序，为什么不起作用？
- 15
有序树和根树有什么区别？- 一个例子
- 16
二叉树和普通树之间有什么区别？
- 17
浏览器DOM树和渲染树之间有什么区别
- 18
Spark ML决策树分类器调用随机森林方法
- 19
“ as？”，“ as！”和“ as”有什么区别？
- 20
$ *和$ @有什么区别
- 21
$和〜有什么区别？
- 22
/ * ... * /和/ ** ... * /有什么区别
- 23
！=和<>有什么区别？
- 24
ö和ö有什么区别？
- 25
$ *和$ @有什么区别？
- 26
“ ==”和“ =〜”有什么区别？
- 27
= +和+ =有什么区别
- 28
$ @和$ *有什么区别
- 29
+ =和+有什么区别？
我来说两句