神经网络相对树模型等有何优势？

• 特征自动抽取。减少手动特征构建工作量，减少对专家知识的依赖。例如bert可以学到文本的语义和语法；CNN可以自动学习图像特征。
• 离散和连续特征都能处理。可以加入很多id类特征、类别特征等。对离散特征做embedding后，可以通过数据学到离散特征的语义向量，能表示离散特征的相对关系等，例如女装和男装的距离要小于女装和自行车的距离。而树模型对离散特征，基本只能按one-hot处理，无法表示离散特征的相对关系。
• 特征交叉。二阶交叉FM、高阶交叉DNN、指定阶交叉CIN等。bit-wise的交叉，vector-wise的交叉，