深度学习实现专家系统的特征提取问题

曾几何时，专家系统是汇总专业人士经验，帮助人们进行决策的主要专业工具之一。

在机器学习、大数据、人工智能大行其道的今天，有人提出了通过深度学习来实现类似专家系统的工具。这是一个聪明的想法，但是在实现方面有一些问题。

作为机器学习的一个重要组成部分，深度网络本质上就是扩展的神经网络，这是一个需要进行训练的系统，而样本数据的搜集就是一个问题，比如我们找来一帮销售冠军，然后搜集他们的销售过程，包括与客户的沟通记录、沟通时间、频率，甚至是记录下他们之间的每一句话，不过这仍旧存在问题，我们以什么样的方式来保存这些数据呢？对于类似半结构和非结构化的数据，如何提取其特征，而所提取的特征是否就能够反映出销售冠军销售技巧的核心所在呢？这都是一些问题。

归根结底，还是数据与处理的问题。在机器学习中，预处理所占的工作量往往远大于模型的训练过程。因而对相关人员进行机器学习培训的过程中， 不仅要讲解机器学习算法，更重要的是特征工程，包括特征选择、特征映射等技术于技巧。这也是数据挖掘领域的核心之一。

大数据、人工智能、机器学习培训

识别二维码，获取免费培训机会

（www.gewuketang.com）