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。
|
