machine-learning - 1 次元ラベル付きデータに深層学習を使用することは正当化されますか?

Question

私は 1 次元データのトレーニングとテストに SVM を使用しており (トレーニング用に 15000 サンプル ポイント、テスト用に 7500 サンプル ポイント)、これまでのところ満足のいく結果が得られています。しかし、結果を改善するために、ディープラーニングを同じように使用することを考えています. 結果を改善できるでしょうか？ディープ ラーニング アルゴリズムをすばやく実装するには、何を勉強すればよいですか? 私は DL フィールドには不慣れですが、正当な理由がある場合は、迅速な実装を望んでいます。

Answer 1

機械学習アプリケーションでは、結果は実際にはデータに依存するため、アルゴリズムが結果を改善するかどうかを判断するのは困難です。最適なアルゴリズムはありません。以下の手順に従う必要があります。

• データを分析する
• 機械学習のバックグラウンドを活用して、適切なアルゴリズムを適用します
• 結果を評価する

Java 用の Weka や Python 用の scikit-learn など、さまざまなプログラミング言語用の多くの機械学習ライブラリがあります。実装には、深層学習などの抽象的な名前以外の特別な名前が付いている場合があります。したがって、使用しているライブラリで探している実装を調査してください。