“深度能自动获取特征”只是对某些领域而言的。实际上深度学习只是能自动对输入的低阶特征进行组合、变换，得到高阶特征。对于图像处理之类的领域来说，像素点就可以作为低阶特征输入，组合、变换得到的高阶特征也有比较好的效果，所以看似可以自动获取特征。
在其他领域的情况就不是这样了。例如自然语言处理中，输入的字或词都是离散、稀疏的值，不像图片一样是连续、稠密的。输入原始数据进行组合、变换得到的高阶特征并不是那么有效。而且有的语义并不来自数据，而来自人们的先验知识，所以利用先验知识构造的特征是很有帮助的。
所以在深度学习中，原来的特征选择方法仍然适用。不过方便的一点是，神经网络能对特征自动进行排列组合，所以只要输入一阶特征就行，省去了手动构造高阶特征的工作量。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
