使用深度学习处理一维标记数据是否合理?

我一直使用SVM来训练和测试一维数据(训练数据有15000个样本点,测试数据有7500个样本点),到目前为止结果令人满意。但为了进一步提升结果,我在考虑使用深度学习来处理这些数据。深度学习能否改善结果?我应该学习哪些内容来快速实现深度学习算法?我对深度学习领域还比较陌生,但希望能快速实现,如果这样做是合理的。


回答:

在机器学习应用中,很难说某个算法是否能改善结果,因为结果真的取决于数据。没有最好的算法。你应该按照以下步骤进行:

  • 分析你的数据
  • 根据你的机器学习背景,应用适当的算法
  • 评估结果

对于不同的编程语言,有许多机器学习库,例如Java的Weka和Python的scikit-learn。实现可能有与抽象名称不同的特殊名称,比如深度学习。因此,在你使用的库中,研究你所寻找的实现方法。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注