绕坑走!细数那些神经网络的弊端和缺点

　　神经网络所需的计算能力很大程度上取决于数据的大小，但也取决于网络的深度和复杂程度。例如，具有一层和50个神经元的神经网络将比具有1000棵树的随机森林快得多。相比之下，具有50层的神经网络将比仅有10棵树的随机森林慢得多。

　　概要

　　现在你可能会知道神经网络对于某些任务比较适用，但对其他人来说并不一定适用。您了解到，大量的数据、更多的计算能力、更好的算法和智能营销增加了深度学习的受欢迎程度，并使其成为目前最热门的领域之一。最重要的是，您已经了解到，神经网络几乎可以击败所有其他机器学习算法以及与之相伴随的缺点。最大的缺点是它们的“黑盒子”性质，增加开发时间(取决于您的问题)、所需的数据量以及它们大部分计算成本高昂。

　　结论

　　深度学习目前可能仍旧有点过度炒作的情况，并且超过期望完成的事情。但这并不意味着它没有用处。我认为我们生活在机器学习复兴中，因为它越来越民主化，越来越多的人可以用它来构建有用的产品。机器学习可以解决很多问题，我相信这将在未来几年内发生。

　　其中一个主要问题是只有少数人了解可以用它做些什么，并知道如何建立成功的数据科学团队，为公司带来真正的价值。一方面，我们拥有博士级工程师，他们是机器学习背后的理论天才，但可能缺乏对商业方面的理解。另一方面，我们有首席执行官和管理职位的人员，他们不知道深度学习可以做些什么，并认为它将在未来几年解决所有问题。我们需要更多的人来填补这个空白，这将产生更多对我们社会有用的产品。

（编辑：衡阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!