Легкий и точный классификатор, выполнимый на устройстве с ограниченными источниками

Question

У меня есть проект, по которому я должен классифицировать данные, поступающие от нескольких датчиков (данные на основе временных рядов), таких как гироскоп, к нескольким классам.Я использовал несколько классификаторов, включая SVM, дерево решений, нейронные сети, KNN, ... в пакетном сценарии.Моя конечная цель - найти точный, легкий и в то же время классификатор в режиме реального времени, который также может улучшить его для реализации на моем устройстве с ограниченными источниками (ЦП, ОЗУ и т. Д.).Я думал о классификаторе под наблюдением, так как я могу сохранить несколько помеченных данных на моем устройстве и использовать будущие точки данных для улучшения моего классификатора.У кого-нибудь есть рекомендации или опыт в этом отношении?

Answer 1

Онлайн обучение очень сложное.Я рекомендую вам держаться подальше и использовать пакетное обучение.Вы всегда можете обновить модель при обновлении мобильного приложения или просто заставлять приложение искать новую обновленную модель на вашем сервере каждые x дней.

Теперь, как эффективно запустить алгоритм машинного обучения на телефоне сограниченные ресурсы.Во-первых, вы должны определить, какую платформу вы используете.Я предполагаю, что вы хотите получить независимый от платформы ответ.Большинство алгоритмов ML (кроме ленивое обучение ) могут эффективно работать на смартфоне, посмотрите на этот эксперимент по тестированию .

У вас есть несколько вариантов здесь:

1. iOS: Вот список всех общедоступных библиотек машинного обучения.
2. Android: Weka для Android , эта библиотека имеет огромное количество алгоритмов ML.
3. Глубокое обучение без учета платформы: Tensorflow, вы можете экспортировать свои модели в TensorFlow lite ( tutorial ) и разверните их на любой мобильной ОС и Caffe2 для обучения моделей глубокого обучения и экспорта их в любую ОС смартфона.