Estoy un poco confundido por tu pregunta. ¿Qué quiere decir con “mismos datos”?
Si se refiere a los mismos datos originales, que utilizó para entrenar su regresión logística, la respuesta es sí, por supuesto, puede usar los mismos datos cuando entrene otro algoritmo. (Creo que no borraste tus datos de entrenamiento, ¿verdad?). Solo recuerde que, por lo general, los algoritmos de aprendizaje profundo requieren un conjunto de datos (realmente) grande para ser realmente útil. Para conjuntos de entrenamiento pequeños, algoritmos regulares y una buena “grasa de codo” mediante la ingeniería de características, sus datos probablemente le darán mejores resultados, con una escalabilidad mucho mejor.
si te refieres a la salida de la regresión logística, la respuesta también es Sí. Existen muchos algoritmos que mezclan y combinan salidas de otros algoritmos. Por lo general, se denominan métodos de “conjunto”.
- ¿Qué lenguajes de programación se necesitan para desarrollar IA?
- ¿Cuál es la limitación del aprendizaje automático para el comercio financiero?
- ¿Qué lenguajes de programación se usan para programar AI hoy?
- ¿Cuáles son los buenos diagnósticos (además del rendimiento de validación) para determinar si una red neuronal se generalizará bien?
- ¿Pueden las tareas de inferencia de aprendizaje automático en los centros de datos generalmente hacerse paralelas?
Podría, por ejemplo, aprender la clase de sus datos usando un grupo de algoritmos (por ejemplo, Regresión logística, Bosque aleatorio y SVM) y alimentar la salida de estos algoritmos a otro (generalmente más simple), para aprender automáticamente qué algoritmo funciona mejor en cada escenario.
Pero, no creo que ganes nada usando la salida de una regresión logística como entrada a una red neuronal profunda. (¿Sabe cómo funcionan? Esto sería solo un nuevo nodo en su red, que efectivamente perdería información).
Tal vez debería usar los datos “en bruto” directamente en la red neuronal y ver qué sucede.