众所周知，深度网络往往优于浅层网络和其他经典机器学习技术，例如提升涉及图像的学习任务。我相信这是因为从低级像素强度中提取有用的高级特征需要深度模型。
我很想知道是否有任何非图像数据集（例如，通常在 UCI 存储库中找到的表格数据集），其中深度网络需要良好的性能，而浅层网络，提升往往表现不佳。
哪些（非图像）数据集需要深度网络才能获得良好的性能？
数据挖掘
数据集
深度学习
2021-10-11 18:37:00
1个回答
欢迎来到社区！
在与文本相关的任务中，DL 已经显示出惊人的突破，例如在 NLU 中用于阅读理解或问答。如果您听说过Google 的 BERT，那是去年在一定程度上推动了 SOTA 在 NLP/NLU 中的边界的一大步，而目前，正在研究不同的 NLP/NLU 任务，主要基于关于来自 BERT 或直接来自其预训练模型的想法。
quora QA 数据集、SQuAD 数据集等是与 bert 及其继任者一起玩的很好的起点，看看这个想法有多棒。
希望能帮助到你！