将深度学习用于一维标记数据是否合理？

【问题标题】：Will it be justifiable to use deep learning for 1-D labelled data?将深度学习用于一维标记数据是否合理？
【发布时间】：2015-02-01 23:18:18
【问题描述】：

我一直在使用 SVM 训练和测试一维数据（15000 个样本点用于训练，7500 个样本点用于测试），到目前为止它已经带来了令人满意的结果。但是为了改善结果，我正在考虑使用深度学习来实现同样的效果。它能够改善结果吗？为了快速实现深度学习算法，我应该学习什么？我是 DL 领域的新手，但想要快速实施，如果有必要的话。

【问题讨论】：

一个好的起点是deeplearning.net/reading-list/tutorials

标签： machine-learning svm libsvm deep-learning

【解决方案1】：

在机器学习应用程序中，很难说算法是否会改善结果，因为结果确实取决于数据。没有最好的算法。您应该按照以下步骤操作：

分析您的数据
借助您的机器学习背景应用适当的算法
评估结果

有许多用于不同编程语言的机器学习库，例如用于 Java 的 Weka 和用于 Python 的 scikit-learn。除了抽象名称（如深度学习）之外，实现可能具有特殊名称。因此，在您正在使用的库中研究您正在寻找的实现。

【讨论】：

好答案。我只想补充一点，深度学习主要只是一种范式。因此，在判断 DL 算法是否可行时，数据的维度并不重要。