2 为什么交叉熵成为分类标准损失函数而不是Kullbeck Leibler散度？ 交叉熵等于KL发散加目标分布的熵。当两个分布相同时，KL等于零，这在我看来比目标分布的熵更直观，后者是匹配项上的交叉熵。 我并不是说其中有更多的信息，除了人的观点可能比肯定的观点更直观的发现零。当然，通常使用一种评估方法来真正了解分类的发生情况。但是，在KL上选择交叉熵是否具有历史性？ 15 machine-learning classification
2 深度学习何时会过度矫kill过正？ 例如，将电子邮件归类为垃圾邮件，从时间/准确性角度来看，是否值得（如果可能）应用深度学习而不是另一种机器学习算法？深度学习是否会使其他机器学习算法（如朴素贝叶斯）变得不必要？ 15 machine-learning deep-learning classification applications comparison
3 是否需要分类或回归来预测给定某些功能的用户的可用性？ 在研究数据挖掘方法时，我已经了解到有两个主要类别： 预测方法： 分类 回归 描述方法： 聚类 关联规则 由于我想根据位置，活动，电池电量（培训模型的输入）来预测用户的可用性（输出），因此我认为很明显我会选择“预测方法”，但是现在我似乎无法选择分类和回归。从到目前为止的理解，分类可以解决我的问题，因为输出是“可用”或“不可用”。 分类能否为我提供用户可用或不可用的概率（或可能性）？ 在输出中，不仅仅是0（不可用）或1（可用），还可以是： 80%80%80\%可用 20%20%20\%不可用 也可以使用回归来解决此问题吗？ 我知道回归用于连续输出（不仅是0或1个输出），但是输出不能是用户可用性的连续值（例如输出为表示用户为可用，则用户是无法使用）。80808080%80%80\%20%20%20\% 9 machine-learning ai-design classification prediction regression
5 如何对螺旋形数据进行分类？ 我一直在Tensorflow游乐场四处乱逛。输入数据集之一是螺旋线。无论我选择什么输入参数，无论我建立的神经网络有多宽和深，我都无法适应螺旋。数据科学家如何拟合这种形状的数据？ 9 neural-networks classification tensorflow