Apache spark Tensorflow/深度学习能否用于梯度增强树、逻辑回归？

Tensorflow和深度学习主要用于图像处理（分类、识别）、NLP、语音和文本处理。我过去使用过Spark MLLIB和Mahout？Tensorflow有深层神经网络的例子-。逻辑回归、梯度增强树等可以在Tensorflow或DL框架中建模吗？

当然可以。事实上，你可以找到很多例子：

中有一些现成的实现，如tf.contrib.learn.LinearClassifier

或者类似的东西：使用tf.matmul和适当的激活

---

甚至还有一些关于梯度增强的东西：

是的，当然。事实上，你可以找到很多例子：

中有一些现成的实现，如tf.contrib.learn.LinearClassifier

或者类似的东西：使用tf.matmul和适当的激活

---

甚至还有一些关于梯度增强的东西：

谢谢Andrey。你能评论一下使用Tensorflow NN与使用Scikit learn之类的工具相比的准确性吗。我问的原因是，CNN已经击败了传统机器学习结果的垃圾。这取决于具体情况。神经网络通常需要大量的数据、更多的计算资源和更多的模型调整时间。此外，CNN仅适用于某些问题。有时，使用普通的机器学习模型就可以很容易地解决这个问题。神经网络也缺乏可解释性，这在商业中可能是必要的。谢谢Andrey。你能评论一下使用Tensorflow NN与使用Scikit learn之类的工具相比的准确性吗。我问的原因是，CNN已经击败了传统机器学习结果的垃圾。这取决于具体情况。神经网络通常需要大量的数据、更多的计算资源和更多的模型调整时间。此外，CNN仅适用于某些问题。有时，使用普通的机器学习模型就可以很容易地解决这个问题。神经网络也缺乏可解释性，这在商业中可能是必要的。