【问题标题】:Can Tensorflow/Deep Learning be used for Gradient Boosted Trees, Logistic regression?Tensorflow/深度学习可以用于梯度提升树、逻辑回归吗?
【发布时间】:2017-08-04 15:17:01
【问题描述】:

Tensorflow 和深度学习主要用于图像处理(分类、识别)、NLP、语音和文本处理。我过去使用过 Spark MLLIB 和 Mahout? Tensorflow 有深度神经网络的例子 - https://www.tensorflow.org/tutorials/wide_and_deep。逻辑回归、梯度提升树等可以在 Tensorflow 或 DL 框架中建模吗?

【问题讨论】:

    标签: apache-spark machine-learning tensorflow


    【解决方案1】:

    是的,当然。其实你可以找到很多例子:

    https://www.tensorflow.org/tutorials/wide 中有一些现成的实现,例如 tf.contrib.learn.LinearClassifier

    或者类似这样的东西:https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py 使用 tf.matmul 和适当的激活。

    甚至还有一些梯度提升的东西:https://arogozhnikov.github.io/2016/07/05/gradient_boosting_playground.html

    【讨论】:

    • 谢谢安德烈。你能评论一下使用 Tensorflow NN 与 Scikit learn 之类的东西的准确性吗?我问的原因是,CNN 已经打败了传统机器学习的结果。
    • 这真的取决于情况。神经网络通常需要大量数据、更多的计算资源和更多的模型调整时间。 CNN 也仅适用于某些问题。有时问题很容易使用通常的机器学习模型。此外,神经网络缺乏可解释性,这在业务中可能是必需的。
    猜你喜欢
    • 2017-01-08
    • 2019-08-12
    • 1970-01-01
    • 2021-12-22
    • 2018-10-05
    • 2017-12-09
    • 2020-05-01
    • 2020-08-15
    相关资源
    最近更新 更多