很久没来了,发一贴,谈一下近两年(翻炒)大热的神经网络在具体应用上的一些问题:

第一,过分强调原理、技术细节,却忽略了数据质量。随便打开一篇“神经网络在XX领域应用”的文章,十有八九,都以至少50%的篇幅来介绍神经网络的基本原理、结构,什么单层、多层结构,什么sigmod函数,滔滔不绝,说个不停,没错,技术很重要,但用不着人人都来一堆科普吧,与之相比,数据的重要性一点也不低,如果说基本框架是骨架,那么数据就是肌肉,两者都重要,然而,鲜有看到对数据的分析、采集,比如,如何应用到股票市场,很多文章对于数据都是一带而过,笼统地说”用n天的开票价、收盘价”,或者”n日移动平均线数据”,给人的感觉就是随便抓一把数据,塞到神经网络这个大箩里,然后点击一下“运行”,接下来就等着魔术表演,期待神经网络奉上一个神奇的计算结果,然后就可以用它一夜暴富了,类似这种文章,可说胡闹,但却又充斥着网络。

第二,技术要求与实际需求不一定匹配。刚在某网站看过一篇文章,说的就是这个意思:神经网络以(极小)误差作为评定结果质量的一个重要指标,但是,在实际应用中,比如,还是股市交易,用来评估近期某股票价格走势,只需要一个大致的方向几其概率值,至于精度,并非最重要的,毕竟,80%的可能性,和80.01%的可能性,差别真的很大吗?对于神经网络来说,这是百倍差别,很大,但对于现实世界来说,谁会理会?

 

2 1 收藏


直接登录