g****f 发帖数: 481 | 1 求教有经验的同行,最近有点机器学习的小疑惑。
之前做了一些医疗行业的数据分析,就是特征提取+分类,这些biomarker能解释对某
些疾病的认识。
但是拿深度学习做完以后,发现比之前的结果好多了,分类做的很好,当然计算量很大。
这样的话,之前的工作还有什么意义,以后直接深度学习就好了。 |
c*********7 发帖数: 19373 | 2 深度学习需要大量数据,不是所有问题都有这么多高质量数据。
大。
【在 g****f 的大作中提到】 : 求教有经验的同行,最近有点机器学习的小疑惑。 : 之前做了一些医疗行业的数据分析,就是特征提取+分类,这些biomarker能解释对某 : 些疾病的认识。 : 但是拿深度学习做完以后,发现比之前的结果好多了,分类做的很好,当然计算量很大。 : 这样的话,之前的工作还有什么意义,以后直接深度学习就好了。
|
f*******h 发帖数: 1269 | 3 感觉最大的问题是没那么多training data. |
W****e 发帖数: 288 | 4 深度学习是很powerful (may be also robust), 但也不是在任何情况下都最好。比如
underlying model就是线性的,那线性模型就最好,fit 一个复杂的deep learning
model 效果不一定好。
需要多少数据决定于很多因素,不能一概而论。如果underlying model 很简单,
effect 又很大,就不需要很多数据,很多方法也都会work的很好。 |
L*********4 发帖数: 883 | 5 所以很多领域都全被DL吞并了。像计算机视觉之前的东西就已经几乎全灭了。
大。
【在 g****f 的大作中提到】 : 求教有经验的同行,最近有点机器学习的小疑惑。 : 之前做了一些医疗行业的数据分析,就是特征提取+分类,这些biomarker能解释对某 : 些疾病的认识。 : 但是拿深度学习做完以后,发现比之前的结果好多了,分类做的很好,当然计算量很大。 : 这样的话,之前的工作还有什么意义,以后直接深度学习就好了。
|