回答編集履歴
1
追記
test
CHANGED
|
@@ -5,3 +5,19 @@
|
|
|
5
5
|
|
|
6
6
|
|
|
7
7
|
深層学習の強みは画像や自然言語のような特徴量ベクトルの作りづらいデータから特徴抽出を構造（CNN, RNN）に応じてやってくれることで、そのままSVMなどに投入できるデータだとコンベンショナルな手法に性能で負けることもよくあります。
|
|
8
|
+
|
|
9
|
+
|
|
10
|
+
|
|
11
|
+
---
|
|
12
|
+
|
|
13
|
+
|
|
14
|
+
|
|
15
|
+
> ニューラルネットワークを1番使いたい
|
|
16
|
+
|
|
17
|
+
|
|
18
|
+
|
|
19
|
+
どうして？ 単に好き嫌いで、ということなら、それは主張しない方が良いでしょう。客観的に考えて有効なものを使うのが大切です。
|
|
20
|
+
|
|
21
|
+
|
|
22
|
+
|
|
23
|
+
本当はそれぞれの分類器ごとに特性があるのでそこから考察する（このデータにはこの分類器が向いているだろう、ということがある程度言える）のが一番いいのですが、難しければ実際に試して数字で示すのは一つの手です。
|