#مقاله

در داده های جدولی، دیپ لرنینگ غالبا عملکرد بدتری نسبت به روش های ماشین لرنینگ مبتنی بر Tree دارد!

▫️قبلا در پست نقشه راه اشاره کردیم که دوستانی که در ابتدای راه یادگیری اند، دنبال دیپ لرنینگ نباشند. در این پست هم با استناد به آموزش آقای Ng گفتیم که چرا دیپ لرنینگ به احتمال زیاد نمیتونه برای کاربردهای مالی گزینه مناسبی باشه. با اینکه دیپ لرنینگ منجر به پیشرفت های چشمگیری در پردازش داده های متن و تصویر شده، اما برتری آن در داده های جدولی (Tabular Data) هنوز روشن نیست. یک مطالعه جدید با عنوان:

Why do tree-based models still outperform deep learning on tabular data?

تاییدی دوباره بر برتری روش های ماشین لرنینگ مبتنی بر Tree نسبت به دیپ لرنینگ در داده های جدولی و توضیح برخی از دلایل آن است. بنابراین، زمانی که داده های شما داده های جدولی و سری زمانی باشد (چیزی که در فایننس و بازار با آن سر و کار داریم)، استفاده از دیپ لرنینگ، به احتمال زیاد، مزیت خاصی برای شما ایجاد نکرده و حتی ممکن است به نتایج ضعیف تری منجر شود!

▫️ مقاله:
Why do tree-based models still outperform deep learning on tabular data?

@FinPy