问哪些(非图像)数据集需要深度网络才能获得良好的性能？
EN

Data Science用户

提问于 2019-12-06 04:08:43

回答 1查看 46关注 0票数 4

众所周知，深度网络往往优于浅层网络和其他经典的机器学习技术，例如在涉及图像的学习任务上进行增强。我相信这是因为从低像素强度中提取有用的高层次特征需要深入的模型。

我很想知道是否有任何非图像数据集(例如，通常在UCI存储库中发现的表格数据集)，这些数据集需要深层网络才能获得良好的性能，而浅层网络的性能往往较差。

发布于 2019-12-06 09:06:39

欢迎来到社区！

在与文本相关的任务中，DL已经显示出惊人的突破，例如在NLU中用于阅读理解或答疑。如果你听说过谷歌的伯特，那是去年在某种程度上推动了NLP/NLU中SOTA的边界的一个重大步骤，目前，一股巨浪正在对不同的NLP/NLU任务进行研究，主要是基于BERT的想法或直接来自其经过培训的模型。

quora数据集，班长数据集等是与伯特及其后继者合作的好起点，看看这个想法有多棒。

希望能帮上忙！

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/64312

复制

相似问题

问哪些(非图像)数据集需要深度网络才能获得良好的性能？EN