Creo que hay una consideración práctica (¿puedes manejar el entrenamiento y la predicción con tantas redes neuronales?) Y una consideración teórica (es decir, un solo modelo da mejores o peores predicciones que muchos modelos). Siempre preferiría usar un solo modelo desde un punto de vista práctico.
Si le preocupa el rendimiento predictivo, hay formas de hacer que un solo modelo sea específico para el usuario. Quizás el ejemplo más claro de esto es [1], donde el hashing de características se usa para aprender un modelo único que implementa un clasificador de spam específico para el usuario. Tenga en cuenta que este enfoque tiene la ventaja de compartir información entre los usuarios, de modo que incluso puede obtener buenas predicciones cuando no hay datos disponibles para un usuario.
[1] Weinberger, Kilian y col. “Función hash para el aprendizaje multitarea a gran escala”. Actas de la 26ª Conferencia internacional anual sobre aprendizaje automático. ACM, 2009.
- ¿Cuál es el alcance de los grandes datos?
- ¿Con qué herramientas o tecnologías debería estar familiarizado para conseguir un trabajo en el análisis de datos?
- ¿Cómo es trabajar en un equipo de ciencia de datos de detección de fraude?
- ¿Cuál sería la mejor combinación para transformar un back-end de Ruby on Rails con características de científicos de datos?
- ¿Cuáles son algunos consejos para escribir un buen currículum para un nuevo trabajo de posgrado en ciencias de datos?