什么样的数据集不适合用深度学习?

最新推荐文章于 2024-07-20 11:33:46 发布

zh3389

最新推荐文章于 2024-07-20 11:33:46 发布

阅读量3.7k

点赞数 4

分类专栏： AI相关概念原理文章标签： AI相关

本文链接：https://blog.csdn.net/zhanghao3389/article/details/85267382

版权

AI相关概念原理专栏收录该内容

15 篇文章 2 订阅

订阅专栏

github博客传送门
 博客园传送门

什么样的数据集不适合用深度学习？

数据集太小,数据样本不足时,深度学习相对其它机器学习算法,没有明显优势。
数据集没有局部相关特性,目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域,这些领域的一个共性是局部相关性。图像中像素组成物体，语音信号中音位组合成单词，文本数据中单词组合成句子,这些特征元素的组合一旦被打乱,表示的含义同时也被改变。对于没有这样的局部相关性的数据集,不适于使用深度学习算法进行处理。

举个例子：

预测一个人的健康状况，相关的参数会有年龄、职业、收入、家庭状况等各种元素，将这些元素打乱，并不会影响相关的结果。

print_r('点个赞吧')；
var_dump('点个赞吧')；
NSLog(@"点个赞吧！")
System.out.println("点个赞吧!");
console.log("点个赞吧!");
print("点个赞吧!");
printf("点个赞吧!\n");
cout << "点个赞吧!" << endl;
Console.WriteLine("点个赞吧!");
fmt.Println("点个赞吧!")
Response.Write("点个赞吧")；
alert（’点个赞吧’）