回答編集履歴
1
追記
answer
CHANGED
|
@@ -1,5 +1,5 @@
|
|
|
1
1
|
まず本当にニューラルネットが必要なのか？ というところからでしょう。
|
|
2
2
|
|
|
3
|
-
極端な話、重回帰でもできるタスクという可能性もあります。集計データ、頻度データなどに対する回帰であれば一般に
|
|
3
|
+
極端な話、線形判別分析、重回帰でもできるタスクという可能性もあります。集計データ、頻度データなどに対する判別や回帰であれば、一般にSVMやランダムフォレストが十分な性能を発揮します。たとえ画像処理だったとしても、古典的なBag of Featuresで扱えるかもしれません。
|
|
4
4
|
|
|
5
5
|
ニューラルネットは複雑性の高いモデルであり（ユニット数や層の数にもよりますが）、使わないで済むような場合は使わないアプローチの方が高い性能を確保できることが多いです。特にデータ数が少ない場合は、大して当てにならないので代替手段を探るというのも必要なことだと思います。
|