有大量数据也具备指标特征提取能力,但就是缺少分类样本的场景如何使用深度学习?

我们有大量的结构化数据可以说是十分全面的,人员也具备一定的数据挖掘经验,有指标特征提取的能力。但是很多的场景分类的样本都极少,拿市场违规行为监测为例,历史的案例就不多(几千个的样子)。这种情况下还能用到深度学习吗?如果可以,建议用哪种模型?如果不能用到深度学习,是否有其它适用的机器学习模型推荐?

参与10

2同行回答

rein07rein07系统架构师某证券
您有丰富的数据挖掘经验,而且能够抽取具体的指标模型,只是样本比较少,这种场景非要使用深度学习也是可以的,但是我认为有点大材小用了,不建议使用。以市场违规模型为例,因为您数据量小,模型可以随时生成,不需要训练固化,直接使用挖掘出来的模型即可,如果模型不好,还可以实时调整策略...显示全部

您有丰富的数据挖掘经验,而且能够抽取具体的指标模型,只是样本比较少,这种场景非要使用深度学习也是可以的,但是我认为有点大材小用了,不建议使用。以市场违规模型为例,因为您数据量小,模型可以随时生成,不需要训练固化,直接使用挖掘出来的模型即可,如果模型不好,还可以实时调整策略。

收起
证券 · 2018-01-30
浏览2720
faiy0000faiy0000联盟成员信息分析/架构师csc
普通机器学习的算法就能应用,应该能取得较好效果, 拿随机森林,提升决策树算法训练的模型应该效果就不错,结合后台添加人工审查,效果应该不错。显示全部

普通机器学习的算法就能应用,应该能取得较好效果, 拿随机森林,提升决策树算法训练的模型应该效果就不错,结合后台添加人工审查,效果应该不错。

收起
证券 · 2018-01-31
浏览2220

提问者

和气
技术总监中登

问题来自

问题状态

  • 发布时间:2018-01-30
  • 关注会员:3 人
  • 问题浏览:5377
  • 最近回答:2018-01-31
  • X社区推广