A veces la red neuronal es simplemente exagerada. Las redes neuronales son computacionalmente caras en comparación con otros modelos de ML. Si sus datos funcionan bien con un clasificador lineal eficiente y solo ve una pequeña mejora con el uso de una red neuronal, ¿realmente vale la pena lo que gana?
Además, las redes neuronales son muy difíciles de interpretar para los humanos. Es posible que se encuentre en una situación en la que es importante que sepa exactamente qué factores en su modelo lo llevan a sus resultados. Eso puede ser extremadamente difícil con una red neuronal considerando la gran cantidad de factores que intervienen en la salida de una red neuronal. Los modelos de ML más simples pueden mostrar con mayor precisión qué factores conducen a sus resultados.
Finalmente, a veces simplemente no tienes suficientes datos para entrenar una red neuronal. Los modelos de aprendizaje profundo requieren muchos datos para entrenarse adecuadamente. Una red neuronal puede no ser la mejor solución con un pequeño conjunto de datos.
- ¿Cuál es la diferencia entre almacenar datos en HDF5 frente al formato TFRecord de TensorFlow?
- Neil Lawrence: ¿Qué opinas sobre la relación entre las estadísticas y el aprendizaje automático?
- ¿Los métodos de aprendizaje automático son generales en comparación con los métodos de series temporales que se pueden llamar especializados?
- ¿Cuál es la maldición de la dimensionalidad?
- ¿Qué piensa Pedro Domingos de la investigación de aprendizaje automático que está ocurriendo en la industria versus la academia?
