應(yīng)用場(chǎng)景和算法不是一個(gè)絕對(duì)的依賴(lài)關(guān)系。

應(yīng)用場(chǎng)景落地如果需要取得比較理想的效果，需要依賴(lài)算法，算力，數(shù)據(jù)等多方面的條件結(jié)合。

下面東方林語(yǔ)列出了一個(gè)數(shù)據(jù)場(chǎng)景技術(shù)的7區(qū)域評(píng)估模型可以參考一下，對(duì)每個(gè)區(qū)域，需要注意的關(guān)鍵點(diǎn)也做了一個(gè)說(shuō)明:

所以，無(wú)論是樸素貝葉斯，決策樹(shù)，K近鄰，SVM，邏輯回歸等，都是傳統(tǒng)機(jī)器學(xué)習(xí)算法的某一種。在不同的數(shù)據(jù)和場(chǎng)景條件下，會(huì)發(fā)揮不同的價(jià)值，但仍舊需要具體問(wèn)題具體分析，很難界定出一個(gè)與場(chǎng)景相匹配的算法條件與標(biāo)準(zhǔn)。

另外，專(zhuān)家規(guī)則的價(jià)值，在現(xiàn)階段仍舊非常重要。

人工智能技術(shù)，也還包括了深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，遷移學(xué)習(xí)，聯(lián)邦學(xué)習(xí)，自監(jiān)督學(xué)習(xí)等多個(gè)分支。

最重要的是，很多場(chǎng)景，需要多種技術(shù)結(jié)合，才能真正發(fā)揮更大的價(jià)值。

比如，以用戶畫(huà)像為例，為了做好目標(biāo)用戶的實(shí)時(shí)精準(zhǔn)畫(huà)像，需要機(jī)器學(xué)習(xí)，統(tǒng)計(jì)學(xué)，信息檢索，NLP，大數(shù)據(jù)存儲(chǔ)，大數(shù)據(jù)實(shí)時(shí)計(jì)算等多項(xiàng)技術(shù)的綜合技能。

任何一項(xiàng)技術(shù)如果存在短板，都會(huì)影響場(chǎng)景落地最終價(jià)值的效果。

所以，各種機(jī)器學(xué)習(xí)算法和框架，相當(dāng)于是場(chǎng)景落地的“發(fā)動(dòng)機(jī)”，但要打造成一輛真正有價(jià)值的“汽車(chē)”，還需要各種工程化的環(huán)節(jié)相結(jié)合，才能真正發(fā)揮出相應(yīng)的價(jià)值。