Come bonus, ottieni il codice per applicare l’estrazione delle funzionalità ovunque
Questa è l’ultima parte della mia serie di articoli ispirati alla natura. In precedenza avevo parlato di algoritmi ispirati a genetica, sciame, apiE formiche. Oggi parlerò dei lupi.
Quando un articolo di giornale ha un numero di citazioni di 5 cifre, sai che sono in corso affari seri. Gray Wolf Optimizer (1) (GWO) è uno di questi esempi.
Come l’ottimizzazione dello sciame di particelle (PSO), l’ottimizzazione della colonia di api artificiali (ABC) e l’ottimizzazione della colonia di formiche (ACO), anche GWO è una meta-euristica. Sebbene non vi siano garanzie matematiche per la soluzione, funziona bene nella pratica e non richiede alcuna conoscenza analitica del problema sottostante. Ciò ci consente di eseguire query da una “scatola nera” e di utilizzare semplicemente i risultati osservati per perfezionare la nostra soluzione.
Come accennato nel mio articolo su ACO, tutto ciò in definitiva si riferisce al concetto fondamentale del compromesso esplorazione-sfruttamento. Perché, allora, ci sono così tante meta-euristiche diverse?
In primo luogo, è perché i ricercatori devono pubblicare articoli. Buona parte del loro lavoro implica esplorare le cose da diverse angolazioni e condividere i modi in cui le loro scoperte apportano vantaggi rispetto agli approcci esistenti. (O come direbbe qualcuno, pubblicare giornali per giustificare il proprio stipendio e cercare promozioni. Ma non arriviamo a questo.)
In secondo luogo, è dovuto al teorema ‘No Free Lunch’ (2) di cui hanno parlato gli stessi autori di GWO. Sebbene quel teorema affermasse specificamente che non c’è pranzo gratis per gli algoritmi di ottimizzazione, penso che sia giusto dire che lo stesso vale per la scienza dei dati in generale. Non esiste un’unica soluzione definitiva valida per tutti e spesso dobbiamo provare approcci diversi per vedere cosa funziona.
Procediamo quindi ad aggiungere un’altra meta-euristica alla nostra cassetta degli attrezzi. Perché non fa mai male avere un altro strumento che un giorno potrebbe tornare utile.
Per prima cosa consideriamo un semplice problema di classificazione delle immagini. Un approccio intelligente consiste nell’utilizzare reti neurali profonde pre-addestrate come estrattori di funzionalità, per convertire…
Fonte: towardsdatascience.com
