Las redes neuronales (y los modelos de aprendizaje profundo en general) tienden a funcionar bien en datos no estructurados donde no hay características bien definidas, y la tarea es compleja. Piense en texto sin procesar, imágenes, etc. El punto es que el modelo aprende las características por usted.
Si tiene características bien definidas, el uso de una red neuronal puede ser excesivo e innecesario. Si sus datos son linealmente separables, definitivamente no los necesita. Incluso si sus datos no son linealmente separables, a menudo puede asignarlos a un espacio de características de dimensiones superiores donde se vuelven linealmente separables. Esto se puede hacer a través de métodos de kernel sin necesidad de calcular explícitamente estas representaciones de dimensiones superiores, lo que puede ser costoso.
Para responder a la pregunta original, es probable que los problemas en los que tiene características explícitas mejoren con algoritmos de aprendizaje automático “normales”.
- ¿Hay AI haciendo preguntas y escribiendo respuestas en Quora?
- ¿La proliferación de IA asequible diezmará a la clase media?
- ¿Se está utilizando Quora para recopilar información para construir una base de datos de inteligencia artificial?
- ¿Es posible identificar patrones de forex con Azure Machine Learning? Si es así, ¿cómo?
- Dado el impacto potencial de la IA en el empleo, ¿qué piensa sobre un ingreso básico universal?
