我在准备Azure机器学习考试，这里有一个问题让我感到困惑。
您正在设计一个Azure机器学习工作流程。您有一个包含两百万张大型数码照片的数据集。您计划检测照片中是否有树木存在。您需要确保您的模型支持以下内容：
解决方案：您创建了一个机器学习实验，实现了多类决策丛林模块。这能达到目标吗？
解决方案：您创建了一个机器学习实验，实现了多类神经网络模块。这能达到目标吗？
第一个问题的答案是“不”，第二个问题的答案是“是”，但我不明白为什么多类决策丛林不能达到目标，因为它是一个分类器。能有人解释一下原因吗？
回答：
我认为这是一系列呈现相同场景的问题的一部分。而且在场景中肯定有一些限制。此外，如果您查看Azure文档：
然而，最近的研究表明，具有多层的深度神经网络（DNN）在图像或语音识别等复杂任务中非常有效。这些连续的层用于建模越来越高的语义深度。
因此，Azure推荐使用神经网络进行图像分类。请记住，考试的目的是测试您使用Azure设计数据科学解决方案的能力，所以最好使用他们的官方文档作为参考。
与其他解决方案相比：
- 您创建了一个支持微软认知工具包的Azure笔记本。
- 您创建了一个机器学习实验，实现了多类决策丛林模块。
- 您创建了一个计算机视觉API的端点。
- 您创建了一个机器学习实验，实现了多类神经网络模块。
- 您创建了一个支持微软认知工具包的Azure笔记本。
只有两个Azure ML Studio模块，由于问题是关于构建工作流程的，我猜我们只能在它们之间选择。（CNTK实际上是最好的解决方案，因为它允许构建使用ReLU的深度神经网络，而AML Studio不支持，并且API调用与数据科学完全无关）。
最后，我同意其他贡献者的观点，这个问题很荒谬。希望这对您有帮助。
