উদাহরণস্বরূপ, ইমেলগুলিকে স্প্যাম হিসাবে শ্রেণিবদ্ধ করার জন্য, কোনও সময় / যথার্থ দৃষ্টিকোণ থেকে - অন্য মেশিন লার্নিং অ্যালগরিদমের পরিবর্তে গভীর শিখন প্রয়োগ করা (যদি সম্ভব হয়) প্রয়োগ করা কি সার্থক ? গভীর পড়াশোনা কি অন্য মেশিন লার্নিং অ্যালগোরিদমগুলিকে নিষ্পাপ বেয়েসের মতো অপ্রয়োজনীয় করে তুলবে ?
উত্তর:
এটি রিটার্ন ইন ইনভেস্টমেন্ট সম্পর্কে । যদি ডিএল "করণীয়" হয় তবে এটি ওভারকিল নয়।
যদি ডিএল (কম্পিউটার চক্র, স্টোরেজ, প্রশিক্ষণের সময়) ব্যবহারের ব্যয়টি গ্রহণযোগ্য হয় এবং এটি প্রশিক্ষণের জন্য উপলব্ধ ডেটা প্রচুর পরিমাণে হয় এবং বিকল্প অ্যালগরিদমের চেয়ে প্রান্তিক সুবিধা যদি মূল্যবান হয় তবে ডিএল একটি জয়।
তবে, যেমন আপনি পরামর্শ দিচ্ছেন, যদি আপনার সমস্যাটি বিকল্প পদ্ধতিগুলিতে উপযুক্ত হয় তবে বিশেষত যদি এটি এমন সংকেত সরবরাহ করে যা রিগ্রেশন বা নিষ্পাপ বেয়েসের মতো ক্লাসিক পদ্ধতির সাথে ভাল মেলে, বা আপনার সমস্যার কারণ কেন সিদ্ধান্তের সীমানা যেখানে রয়েছে তার ব্যাখ্যা প্রয়োজন eg সিদ্ধান্ত গাছ), বা যদি আপনার ডেটাতে ডিএল দ্বারা প্রয়োজনীয় অবিচ্ছিন্ন গ্রেডিয়েন্টের অভাব হয় (বিশেষত, সিএনএন), বা আপনার ডেটা সময়ের সাথে সাথে পরিবর্তিত হয় যার জন্য পর্যায়ক্রমিক পুনরায় প্রশিক্ষণের প্রয়োজন হয় (বিশেষত, অনির্দেশ্য বিরতিতে), তবে ডিএল সম্ভবত আপনার পক্ষে এক অমিল।
গভীর শেখা শক্তিশালী তবে এটি বেয়েশিয়ার চেয়ে উচ্চতর পদ্ধতি নয় । তারা যা করার জন্য ডিজাইন করা হয়েছে তাতে তারা ভাল কাজ করে:
গভীর শেখা ব্যবহার করুন:
নিষ্পাপ বায়সিয়ান ব্যবহার করুন: