使用 tensorflow 代替 scikit-learn 进行回归有啥优势？ [关闭]

Posted 2023-03-12

【中文标题】使用 tensorflow 代替 scikit-learn 进行回归有啥优势？ [关闭]

【英文标题】：What is the advantage of using tensorflow instead of scikit-learn for doing regression? [closed]使用 tensorflow 代替 scikit-learn 进行回归有什么优势？ [关闭]

【发布时间】：2020-01-01 04:41:25

【问题描述】：

我是机器学习的新手，我想开始做基本的回归分析。我看到 scikit-learn 提供了一种简单的方法来做到这一点。但是为什么人们使用 tensorflow 来进行回归呢？谢谢！

【问题讨论】：

对于机器学习问题没有一种解决方案，它实际上取决于您的数据和您的目标:) 所以您应该自己尝试几种方法并从中学习

【参考方案1】：

如果你只做回归，scikit-learn 已经足够好了，肯定能帮到你。 Tensorflow 更像是一个用于构建深度神经网络的深度学习框架。

有些人使用 Tensorflow 进行回归可能只是出于个人兴趣，或者他们认为 Tensorflow 更有名或“先进”。

【讨论】：

仅在假设简单特征时为真。

回归可以非常先进（对象检测）

对于“回归”这个词，这里我指的是线性或逻辑回归

仅仅因为你用简单的算法解决了它并不意味着问题很简单。

【参考方案2】：

Tensorflow 是一个深度学习框架，涉及到更复杂的算法设计决策。

第一步，推荐使用sklearn，因为你会用scikit-learn更快的得到第一个ml模型。稍后您可以使用带有 tensorflow 的 dl 模型。 :-)