深度森林 深度学习的成功 庞大的训练数据：减少过拟合 高效的算力机器 训练技巧：启发式，不好解释，使用传统的反向传播算法，误差的梯度将会在多层传播以后发散，很难收敛到稳定状态 使用神经网络：超参数多，需要大量训练数据，理论分析十分困难 深度模型关键：逐层处理、特征变换、足够的模型复杂度 不足 数据不同维度的连续/离散性质、不同的规模、有缺失