什么样的数据集不适合用深度学习？

weixin_32178547 2022-03-09 10:28:39

什么样的数据集不适合用深度学习？ 

...全文
2094 1 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
weixin_38498942 2022-03-10
  • 打赏
  • 举报
 回复

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。

什么样的资料集不适合深度学习？
1、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。 2、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
什么样的数据集不适合用深度学习?
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...
什么样的数据不适合深度学习训练？
在处理时间序列数据时，如果存在非常长的时间依赖关系，传统的RNN可能会出现梯度消失或梯度爆炸问题，需要使用更高级的模型，如LSTM或GRU。数据集中不同类别的样本数量差异较大时，深度学习模型可能会偏向于学习数量较多的类别，从而影响对少数类别的预测性能。如果数据集非常小，深度学习模型可能会过拟合，因为深度学习模型通常需要大量的数据来学习复杂的特征和模式。对于一些需要特定领域知识的任务，深度学习模型可能无法很好地捕捉这些知识，因为模型通常是从数据中学习的。
16.什么样的数据集不适合用深度学习
数据集太小时，数据样本不足时，深度学习相对于其它机器学习算法，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，语音信号中音符组合成单词，文本数据中单词组成句子，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，不适合用深度学习算法进行处理。 ...
如何判断你的数据集是否适合使用深度学习模型？如果数据量太小有什么解决办法？
如何判断你的数据集是否适合使用深度学习模型？如果数据及太小有什么解决办法？ deep learning is a data hungry problem 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。而且如果样本太少模型还非常容易过拟合，表现出极差的泛化特性。 不过这个问题的破解方案是如果数据没有小到极端，那么我们可以通过迁移学习进行精调也能使用深度学习模型； 或者可以通过合适的数据增强（data augmentation）的方法进行数据的扩增，即在原...
高通开发者论坛

2,852

社区成员

5,758

社区内容

发帖
与我相关
我的任务
社区描述
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成，为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页：https://qualcomm.csdn.net/
人工智能物联网机器学习 技术论坛（原bbs） 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章