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?
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。
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。
关于TWT使用指南社区专家合作厂商入驻社区企业招聘投诉建议版权与免责声明联系我们 © 2024talkwithtrend — talk with trend,talk with technologist京ICP备09031017号-30