近年来,深度学习已成为大多数AI问题的首选技术,使得经典机器学习相形见绌。原因很明显,深度学习在语音、自然语言、视觉和游戏等许多任务上都表现出卓越的性能。然而,尽管深度学习具有如此好的性能,经典机器学习方法仍有一些优势,而且在一些特定情况下最好使用经典机器学习方法,例如线性回归或决策树,而不是使用一个大型深度网络。
本文将对比深度学习和经典机器学习,分别介绍这两种技术的优缺点以及它们在哪些问题/如何得到最佳使用。
深度学习优于经典机器学习
此外,不同领域使用深度学习的基本思想和技术往往是可以转移的。例如,一旦了解了语音识别领域的深度学习基础理论,那么学习如何将深度网络应用于自然语言处理就不太困难了,因为两者所需的基础知识非常相似。但对于经典ML来说,情况并非如此,因为构建高性能ML模型需要特定领域和特定应用的ML技术和特征工程。对于不同的领域和应用,经典ML的知识基础是非常不同的,并且往往需要在每个单独的领域进行广泛的专门研究。
经典机器学习优于深度学习
原文链接:https://towardsdatascience.com/deep-learning-vs-classical-machine-learning-9a42c6d48aa