私は機械学習構造を実装して、銀行などの金融システムの不正を試して予測しています...これは、モデルのトレーニングに使用できるさまざまなデータがたくさんあることを意味します。カード番号、カード名義人、金額、国など...
この問題に最適な構造を決定するのに苦労しています。決定木についてはある程度の経験がありますが、現在、この種の問題に対してニューラルネットワークの方が適しているかどうかを疑問視し始めています。また、他の方法が最善の場合は、遠慮なく教えてください。
各構造の長所と短所はどれですか。また、この問題に最適な構造はどれですか。
また、このことについてはよくわかりませんが、実行速度の点で、ディシジョンツリーはニューラルネットワークよりも優れていると思います。このプロジェクトでは速度も重要な要素であるため、これは重要です。
これら2つには多くの違いがありますが、実際には、速度、解釈可能性、および精度という3つの主要な考慮事項があります。
決定木
ニューラルネット
両方を実装して、データに対していくつかの実験を実行して、どちらが良いかを確認し、実行時間をベンチマークすることをお勧めします。または、 Weka GUIのようなものを使用して、データの代表的なサンプルを使用して両方の方法をテストしてみることもできます。
また、意思決定ツリーで「バギング」または「ブースト」アルゴリズムを使用すると、ある程度の単純さと速度を維持しながら精度が向上する可能性もあります。しかし、要するに、速度と解釈可能性が本当に重要である場合、ツリーはおそらく開始点です。それ以外の場合は、状況に応じて、経験的な調査を行う必要があります。