做算法這些年我參加過的技術(shù)選型會里爭論最熱烈的永遠是同一個話題傳統(tǒng)機器學(xué)習(xí)淺層模型和深度學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)到底該選哪個。上周項目評審我提的方案是先上XGBoost搭基線一位新來的同事堅持直接用深度神經(jīng)網(wǎng)絡(luò)理由是端到端、不用手工特征、上限更高。白板前雙方各執(zhí)一詞誰也說不服誰。這種場面我相信很多同行都遇見過。一邊是淺層模型的忠實用戶強調(diào)穩(wěn)定、高效、可解釋一邊是深度神經(jīng)網(wǎng)絡(luò)的支持者強調(diào)自動學(xué)習(xí)、性能上限、感知任務(wù)上的統(tǒng)治力。兩邊說的都有道理但真正落到項目里答案往往沒有口號那么簡單。這篇文章不打算站隊我把這些年實際做項目積累的對比經(jīng)驗、選擇邏輯、踩坑教訓(xùn)梳理一遍希望能幫你少走點彎路。1. 本質(zhì)分野特征由誰決定1.1 淺層模型的處理邏輯淺層模型傳統(tǒng)機器學(xué)習(xí)包括邏輯回歸、支持向量機、決策樹、隨機森林、梯度提升樹這一系列方法。它們的共同點是輸入到輸出的變換路徑不長模型的作用是在一個已經(jīng)準備好特征的空間里找規(guī)律。它不是一個“從零開始理解數(shù)據(jù)”的系統(tǒng)更像一個經(jīng)驗老到的分析員——你喂給它的特征決定了它的上限它自己只負責在這個給定維度上做優(yōu)化。所以做淺層模型的項目重頭戲從來不在模型本身而在特征工程。把原始數(shù)據(jù)變成模型能理解的形式包括清洗異常值、處理缺失值、做特征編碼、構(gòu)造交叉特征、添加統(tǒng)計特征這一步?jīng)Q定了最終效果的天花板。我做用戶行為預(yù)測時最有價值的提升往往來自一兩個高質(zhì)量的統(tǒng)計特征比如“最近7天活躍天數(shù)”或“用戶夜間使用比例”而不是換一個更復(fù)雜的模型。這也解釋了為什么淺層模型經(jīng)常被貼上“手工特征”的標簽。它們的決策邊界本質(zhì)上是線性的或分段的哪怕SVM借助核函數(shù)能映射到高維空間它最終做的仍然是在特征空間中切分。換句話說淺層模型本身不太具備從高噪聲原始數(shù)據(jù)中自動恢復(fù)結(jié)構(gòu)的能力這種能力只能靠人通過特征工程去額外補充。這也是為什么很多人抱怨淺層模型“不智能”但換個角度看這恰好是它的優(yōu)點邊界清晰、行為可預(yù)期出了問題你能知道責任在特征設(shè)計還是模型擬合上。1.2 深度模型的端到端路線深度神經(jīng)網(wǎng)絡(luò)走的是另一條路。它不需要人類預(yù)先告訴它哪些特征是重要的而是通過一層接一層的非線性變換自己從原始輸入中逐步提煉出從具體到抽象的特征。在圖像任務(wù)里底層卷積核學(xué)會識別邊緣和紋理中層學(xué)會識別部件和形狀高層學(xué)會識別語義概念。在語音和文本任務(wù)里這種自動構(gòu)造特征的能力同樣存在只是換成了時序和上下文的表達方式。但這條路有個代價你要用大量數(shù)據(jù)和長期訓(xùn)練才能讓模型自己“摸”出這些隱藏的特征規(guī)律。它不是免費午餐而是把特征工程的人力成本轉(zhuǎn)移成了數(shù)據(jù)和算力的成本。深度模型必須靠海量樣本來學(xué)習(xí)那些特征組合否則很容易學(xué)到錯誤的特征。在我自己踩過的坑里出現(xiàn)過用只有一千條樣本去訓(xùn)一個深層網(wǎng)絡(luò)結(jié)果模型把背景噪聲當作關(guān)鍵模式的慘痛經(jīng)歷。關(guān)鍵是這兩類模型的分界點不是一個“誰更聰明”的問題而是“誰有權(quán)力決定特征”。淺層模型的特征由人給深度模型的特征由數(shù)據(jù)學(xué)。這個本質(zhì)區(qū)別決定了它們在大量現(xiàn)實場景中的適應(yīng)度差異。你在做選型時其實要先想清楚一個問題這份數(shù)據(jù)里的有效特征究竟還輪不輪得到人來定義。如果業(yè)務(wù)專家能把規(guī)律講得八九不離十淺層模型絕對夠用如果連業(yè)務(wù)專家都說不清楚到底什么特征決定結(jié)果那就只能靠深度模型在數(shù)據(jù)里自己找了。1.3 用偵探來類比我經(jīng)常用一個比喻淺層模型像老派偵探必須靠助手先把線索整理得清清楚楚——時間線、動機、證物編號——全部到位才能破案。線索整理得好它分析得又快又準。深度神經(jīng)網(wǎng)絡(luò)像一個雖然沒經(jīng)驗但學(xué)習(xí)能力極強的萌新偵探你丟給它一大堆原始卷宗它自己慢慢會看出門道但前提是你得喂它足夠多的卷宗它才可能形成判斷力。這個比喻基本概括了我在實戰(zhàn)中的體會如果線索好整理、數(shù)據(jù)量不大老派偵探更高效如果線索極其復(fù)雜甚至難以描述但數(shù)據(jù)存量巨大萌新偵探的潛力就超過人類手工整理線索的能力。所以選模型之前你先問問自己我現(xiàn)在是處于哪種偵探都能解決的場景還是只有萌新偵探才有機會看破真相的場景2. 數(shù)據(jù)規(guī)模和算力的臨界點誰在什么量級占優(yōu)2.1 小數(shù)據(jù)場景為什么淺層模型更穩(wěn)這是最容易被深度學(xué)習(xí)支持者忽略的一點模型容量要和數(shù)據(jù)量匹配。深度神經(jīng)網(wǎng)絡(luò)動輒幾百萬、上千萬參數(shù)在小樣本上特別容易過擬合——它把訓(xùn)練集里的噪聲當成規(guī)律驗證集上讓你欲哭無淚。我做過一個樣本量只有幾千條的小規(guī)模預(yù)測項目一開始硬上了一個小規(guī)模的神經(jīng)網(wǎng)絡(luò)結(jié)果訓(xùn)練集準確率到了98%驗證集只有75%上下。換成帶強正則的LightGBM之后驗證集穩(wěn)定到了89%。原因不玄乎幾千條數(shù)據(jù)撐不起那么多參數(shù)的估計反而是帶正則的淺層模型更容易抓住真正的規(guī)律。你可以理解為一個高中生刷的題庫數(shù)量有限讓他去攻讀博士級別的高深理論只能靠死記硬背換個題型就露餡。另一個容易被低估的事實是小數(shù)據(jù)場景里特征工程和先驗知識的價值更突出你用一個精心構(gòu)造的特征集合加上邏輯回歸往往可以有效壓過盲目的神經(jīng)網(wǎng)絡(luò)搜索。數(shù)據(jù)量小的時候人腦的歸納能力是稀缺資源不能讓給模型去瞎猜。2.2 數(shù)據(jù)量突破臨界點后的能力躍遷然而數(shù)據(jù)量一旦上來情況就開始翻轉(zhuǎn)。深度學(xué)習(xí)模型的表現(xiàn)曲線不像線性回歸那樣容易封頂它的容量非常大而且隨著數(shù)據(jù)增加性能可以持續(xù)提升。傳統(tǒng)淺層模型的性能往往在某個規(guī)模之后遇到天花板即使繼續(xù)加數(shù)據(jù)提升幅度也非常有限因為模型本身的表達能力已經(jīng)用盡了。以圖像識別為例早期的特征加SVM方法在幾萬張圖片上就已經(jīng)很吃力規(guī)則的構(gòu)建和特征覆蓋都開始失效而深度卷積網(wǎng)絡(luò)在百萬級數(shù)據(jù)上的表現(xiàn)仍然能一代一代往上漲。同樣的故事發(fā)生在語音識別和自然語言處理上數(shù)據(jù)規(guī)模擴大之后手工特征和淺層模型的組合就很難再與之抗衡了。經(jīng)驗上有個粗糙的判斷結(jié)構(gòu)化表格數(shù)據(jù)在幾萬樣本以下淺層集成樹幾乎總是首選如果連幾千條都沒有就更不用考慮深度模型了。圖像、文本等感知任務(wù)哪怕樣本不多也值得先考慮預(yù)訓(xùn)練深度模型因為它的初始特征學(xué)習(xí)能力和遷移能力遠勝從頭手搓特征。這個判斷不一定精確但至少能幫你把選擇范圍先縮到合理的區(qū)間。真要精確就得拿著你自己的數(shù)據(jù)各跑一個基線去對比看兩天的實驗比聽任何人的經(jīng)驗都可靠。提示與其糾結(jié)理論臨界點不如把兩個基線都跑一遍。淺層模型跑一天深度模型跑兩天對比結(jié)果比任何經(jīng)驗都可信。2.3 算力作為隱形變量討論臨界點不能忽略算力。淺層模型通常在普通CPU上就能在幾分鐘到幾十分鐘內(nèi)訓(xùn)練完成而深度模型動輒需要GPU集群訓(xùn)練數(shù)小時乃至數(shù)天。算力資源本身是選型的重要前提。我見過一個比較極端的情況某公司數(shù)據(jù)量不算小也確實適合用深度模型但團隊連一臺像樣的GPU服務(wù)器都沒有老板又不批預(yù)算這時候談深度學(xué)習(xí)就等于空中樓閣。相反在算力受限的時候淺層模型加一點工程優(yōu)化能快速上線看效果等業(yè)務(wù)驗證模式可行以后再引入深度模型迭代這是更務(wù)實的路徑。很多人把“先上淺層模型”理解為保守但在我看來這是一種用最小成本驗證業(yè)務(wù)假設(shè)的做法。模型什么時候換都行業(yè)務(wù)方向如果錯了換再高級的模型也救不回來。一個業(yè)務(wù)到底成立不成立、特征里有沒有真信號淺層模型往往已經(jīng)能給出足夠的證據(jù)所以它天然適合當偵察兵。3. 可解釋性的工程分量這不是學(xué)術(shù)潔癖3.1 樹模型和線性模型的可解釋性來源可解釋性在學(xué)術(shù)討論中容易被當成情懷但在真實工程里是非做不可的硬指標。很多業(yè)務(wù)方并不滿足于模型跑得好他們要能跟客戶解釋要能面對審計要能定位某一筆預(yù)測為什么變成這個結(jié)果。淺層模型的可解釋性天然就強線性模型系數(shù)直接告訴你每個特征增大一單位對預(yù)測結(jié)果的影響是正是負、影響多大決策樹和集成樹則天然提供特征重要性每次分裂選擇的特征和帶來的純度增益累積起來就是一張清晰的排序表。在信貸審核這類場景里這些特性幾乎是準入條件。3.2 深度模型為什么難解釋深度神經(jīng)網(wǎng)絡(luò)是拿非線性變換層層堆疊的中間每一層都在做復(fù)雜的映射。你問它哪個特征重要它沒有內(nèi)置的統(tǒng)計量可以回答。就算用SHAP、LIME這些事后解釋工具去近似也只能給出局部、近似的解讀而且計算開銷大結(jié)果在不同樣本之間可能不穩(wěn)定。這帶來兩個現(xiàn)實問題模型上線前的合規(guī)審查難過審業(yè)務(wù)方不敢用模型出問題的時候排查困難。淺層模型如果預(yù)測異?？梢匝刂卣鲾?shù)值和樹節(jié)點一個分支一個分支回溯深度模型如果輸出偏了你甚至不知道是哪個特征、哪個層在搗亂。我在一個生產(chǎn)項目里踩過這個坑深度模型在灰度階段開始出現(xiàn)系統(tǒng)性誤判團隊花了整整兩天去排查最后才發(fā)現(xiàn)是上游特征分布漂移導(dǎo)致的。而這一點淺層模型配合簡單的特征分布監(jiān)控早就該發(fā)現(xiàn)了。3.3 解釋性不足的代價怎么衡量所以選模型時我建議把“出事后能不能快速解釋”放進成本清單里。合規(guī)要求嚴格、客戶感知強、出錯后果嚴重的場景哪怕淺層模型精度低兩個點我也傾向選它除非深度模型帶來的收益大到足以覆蓋不可解釋的風(fēng)險。信貸、司法、醫(yī)療輔助這類強調(diào)決策理由的領(lǐng)域黑箱模型的準入門檻天然就高你有再好的性能過不了審查一樣白搭。反過來推薦排序、內(nèi)容生成這類對單次決策理由要求不高的場景可解釋性的權(quán)重就可以放低把精度放在第一位?？山忉屝员举|(zhì)上是一個風(fēng)險預(yù)算。什么時候追求可解釋什么時候容忍黑箱取決于你的業(yè)務(wù)能承受多大解釋失敗的代價。做技術(shù)選型不是做學(xué)術(shù)判斷題沒有絕對的優(yōu)劣只有成本和收益的權(quán)衡。這句話說起來簡單但真正落到項目里能抵住所謂高大上模型誘惑的人并不多。我記得一次評審會上有人推動上深度模型的理由只是“大家都在用我們也得用”唯獨沒人回答一個關(guān)鍵問題換它到底想解決什么回答不了這個問題就別動輒挑戰(zhàn)現(xiàn)有的成熟方案。4. 結(jié)構(gòu)化數(shù)據(jù)的真相為什么集成樹常常吊打神經(jīng)網(wǎng)絡(luò)4.1 表格數(shù)據(jù)的特點談到普通表格數(shù)據(jù)也就是常說的結(jié)構(gòu)化數(shù)據(jù)大多數(shù)算法工程師都會默認用集成樹。這個偏好不是慣性而是被一輪輪比賽和項目驗證出來的。表格數(shù)據(jù)的特點是特征通常是離散和連續(xù)混雜維度一般在幾十到幾百之間數(shù)據(jù)總量常常只有幾萬到幾十萬行而且特征之間常常存在復(fù)雜的非線性關(guān)系與缺失值。這種數(shù)據(jù)形態(tài)下神經(jīng)網(wǎng)絡(luò)的很多優(yōu)勢發(fā)揮不出來——端到端自動特征學(xué)習(xí)需要海量數(shù)據(jù)和高維原始輸入才能體現(xiàn)收益而表格數(shù)據(jù)給到模型的特征本來就已經(jīng)是人工整理的字段很難再讓網(wǎng)絡(luò)無中生有學(xué)到更神奇的結(jié)構(gòu)。4.2 樹模型勝出的工程原因梯度提升樹XGBoost、LightGBM一類在處理表格數(shù)據(jù)上有幾個很實在的工程優(yōu)勢。第一它對數(shù)值尺度不敏感不需要標準化對離群點的處理也比神經(jīng)網(wǎng)絡(luò)穩(wěn)健。第二原生支持缺失值歸并不需要復(fù)雜的插補邏輯。第三弱特征的自動選擇能力很強幾十上百個噪聲特征塞進去樹模型靠分裂增益就可以把它們忽略掉而神經(jīng)網(wǎng)絡(luò)面對全部特征照單全收要是不做特征篩選就很容易被帶偏。第四單棵樹可以近似處理特征間的不規(guī)則交互不需要像神經(jīng)網(wǎng)絡(luò)那樣小心地調(diào)寬度和深度。我自己的實測經(jīng)驗是同樣一份中等規(guī)模的表格數(shù)據(jù)預(yù)處理流程相同LightGBM調(diào)半天可以達到的效果MLP多層全連接網(wǎng)絡(luò)往往要折騰兩三天還不一定追得上。這說的還是全連接網(wǎng)絡(luò)如果是Transformer那種復(fù)雜結(jié)構(gòu)光訓(xùn)練時間就比樹模型高出幾個量級效果還未必好。很多從深度學(xué)習(xí)起步的新人一聽到這個事實都不太相信但這就是結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域的常態(tài)模型的復(fù)雜度和數(shù)據(jù)的結(jié)構(gòu)化程度往往是錯配的。注意這里的“默認用樹”只針對結(jié)構(gòu)化表格數(shù)據(jù)。換成高維稀疏ID特征時結(jié)論要重新另算。4.3 例外場景與我的實測經(jīng)驗例外當然存在。表格數(shù)據(jù)里如果特征維度極高比如推薦系統(tǒng)里的用戶和物品ID每個都要做Embedding表示那么雙塔結(jié)構(gòu)的深度模型就明顯占優(yōu)。這種場景的特征不是“有語義的字段”而是“海量ID索引”淺層模型只能靠人工做聚類或統(tǒng)計聚合信息損失太大。我參與過一個廣告點擊率預(yù)估類的項目用戶特征和廣告特征加起來是幾百個稀疏ID類特征用LightGBM跑一個版本再用Embedding加MLP跑一個版本結(jié)果是排序指標AUC穩(wěn)定高出約0.02而且泛化更好。所以別聽見“表格數(shù)據(jù)無腦用樹”就照搬先看你的特征到底是“字段”還是“索引”。字段有業(yè)務(wù)含義比如用戶的年齡、消費頻次、商品類目樹模型高效可解釋索引是海量ID比如用戶ID、商品ID、廣告ID單個ID本身沒有含義只有把它映射成稠密向量才能讓模型學(xué)到背后的語義關(guān)系。這個判斷標準比單純按數(shù)據(jù)量劃分要靠譜得多。簡單說字段豐富用樹ID密集用深度兩者混在就混合設(shè)計。5. 感知類任務(wù)的統(tǒng)治區(qū)圖像、語音、文本為何是深度模型的天下5.1 傳統(tǒng)特征工程的天花板深度神經(jīng)網(wǎng)絡(luò)在感知類任務(wù)上的優(yōu)勢是壓倒性的這一點幾乎不需要爭議。先想一個問題一張256×256的彩色圖片如果直接展開成向量就是接近20萬維的輸入。你讓SVM在這個空間里找分界線計算量直接爆炸就算強行交給它它也學(xué)不到“這是一只貓”的概念因為它看到的只是一堆毫不相干的像素點。所以傳統(tǒng)方法處理圖像必須先人工提取特征比如用SIFT、HOG這類算子提取邊緣、紋理、形狀描述子再用SVM或隨機森林做分類。這個流程的天花板很低因為人工設(shè)計的特征很難覆蓋真實世界里千變?nèi)f化的視覺模式。5.2 深度模型如何自動構(gòu)建層次特征深度卷積網(wǎng)絡(luò)用卷積核對局部區(qū)域做加權(quán)求和再通過多層堆疊逐步把像素組合成邊緣、紋理、局部部件和全局語義。這個過程不需要人類定義任何視覺規(guī)則只要給足數(shù)據(jù)和算力它就能自動學(xué)出一套從低級到高級的特征體系。再加上數(shù)據(jù)增強、預(yù)訓(xùn)練、遷移學(xué)習(xí)深度模型應(yīng)對新任務(wù)的能力已經(jīng)遠超傳統(tǒng)人工特征。語音識別也經(jīng)歷了同樣的轉(zhuǎn)折早期傳統(tǒng)的聲學(xué)模型要設(shè)計很多濾波器和語言規(guī)則深度模型直接把波形或幀特征接進網(wǎng)絡(luò)用端到端結(jié)構(gòu)把聲學(xué)特征和語言模型同時學(xué)習(xí)識別率一下子就跨過了實用門檻。自然語言領(lǐng)域更明顯預(yù)訓(xùn)練語言模型的出現(xiàn)讓幾乎所有NLP任務(wù)都有了統(tǒng)一范式先在大規(guī)模語料上做預(yù)訓(xùn)練再在小數(shù)據(jù)上微調(diào)。這種范式的成功本質(zhì)上是把“特征工程”的重擔從人轉(zhuǎn)移到了超大規(guī)模數(shù)據(jù)和深度結(jié)構(gòu)之上。所以當你遇到圖像、語音、長文本這類高維感知型輸入時我的建議是不要浪費時間去設(shè)計手工特征直接擁抱深度模型把精力省下來留給數(shù)據(jù)清洗和效果調(diào)優(yōu)。5.3 淺層模型在感知任務(wù)中仍可用的碎片化場景不過說“感知任務(wù)全是深度的天下”也稍微絕對了。我在一些小項目里發(fā)現(xiàn)當任務(wù)極度受限時比如數(shù)據(jù)只有幾百張圖、缺少預(yù)訓(xùn)練條件用傳統(tǒng)的人工特征加淺層分類器仍然能撐起一個可用的基線。比如用顏色直方圖做室內(nèi)場景的粗分類用簡單的MFCC特征做關(guān)鍵詞喚醒淺層模型在資源受限設(shè)備上反而有更高的性價比。它不擅長做復(fù)雜的語義理解但做粗粒度、低功耗的任務(wù)還是稱職的。把它當成一個低成本兜底方案而不是徹底淘汰的技術(shù)更符合工程常識。6. 從訓(xùn)練到上線的全鏈路成本對比6.1 訓(xùn)練與調(diào)參成本很多人選型只看最終效果忽略了一路上的成本。淺層模型的訓(xùn)練通常是分鐘級的XGBoost在幾千條到幾萬條樣本上普通CPU服務(wù)器跑幾十輪提升樹不過幾分鐘。而深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練起步都是GPU小時。這還不算調(diào)參淺層模型超參數(shù)就那么幾個樹數(shù)量、深度、學(xué)習(xí)率、正則系數(shù)調(diào)起來很有邊界感深度模型要調(diào)的東西可就多了——網(wǎng)絡(luò)結(jié)構(gòu)、層數(shù)、寬度、激活函數(shù)、優(yōu)化器、學(xué)習(xí)率策略、批大小、歸一化方式、正則化、數(shù)據(jù)增強策略每一個都能讓結(jié)果漂移好幾個點。我很少見到誰第一次搭神經(jīng)網(wǎng)絡(luò)就直接跑到最優(yōu)效果絕大多數(shù)情況是十幾次、幾十次的實驗迭代。每改一個學(xué)習(xí)率策略可能就要重新訓(xùn)練幾小時。這背后的時間成本在項目排期和人力有限的情況下是很真實的壓力。所以很多團隊的做法是先上一版淺層模型作為基線把坑占住同時在邊上慢慢跑深度模型的實驗兩條線并行誰跑贏了誰上線。這個做法最大的好處是業(yè)務(wù)不會因為等待一個完美模型而空轉(zhuǎn)技術(shù)團隊也不會因為排期壓力而草率上線一個未調(diào)穩(wěn)的黑箱。6.2 部署與維護成本再算部署。淺層模型體積小一個XGBoost模型可能只有幾十MB推理延遲是毫秒級隨便一個CPU都能撐住。深度模型模型文件動不動幾百MB甚至上GB推理階段通常需要GPU或者專門加速硬件不然延遲完全壓不下來。維護成本上的差別更隱蔽淺層模型的迭代重點在特征工程和數(shù)據(jù)質(zhì)量監(jiān)控特征變化了業(yè)務(wù)方可以看到可以做規(guī)則解釋深度模型是黑箱上線后你只能靠效果指標去反推出了問題診斷鏈路長得多。這部分成本雖然不會寫在預(yù)算表里但遇到真實故障時你就會深切體會什么叫“省下的全在別處還”。有一次線上深度模型的效果突然下跌我們排查了整整一天才發(fā)現(xiàn)是某個上游數(shù)據(jù)源的更新頻率變了而模型對這種分布變化完全沒有顯式反饋機制。淺層模型配合監(jiān)控告警反而能更早發(fā)現(xiàn)這種變化因為特征統(tǒng)計值的飄移本身就是最直觀的信號。這也是為什么經(jīng)驗豐富的團隊不愿意輕易把核心鏈路全押在黑箱模型上——不是不信任模型而是不信任整個系統(tǒng)在意外發(fā)生時的可維護性。6.3 一張表看清成本結(jié)構(gòu)為了更直觀我列一個實戰(zhàn)中常用的對比表對比維度淺層模型集成樹/線性模型深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練資源普通CPU分鐘到小時級GPU小時到天級調(diào)參復(fù)雜度低超參數(shù)少且影響可控高結(jié)構(gòu)/優(yōu)化/正則都要調(diào)模型體積幾MB到幾十MB數(shù)百MB到數(shù)GB推理延遲毫秒級CPU即可需要GPU/加速器延遲更高特征工作依賴人工特征工程自動學(xué)習(xí)特征但對數(shù)據(jù)量要求高可解釋性強樹有特征重要性弱需要事后解釋工具故障診斷可沿特征和樹節(jié)點回溯黑箱診斷困難適用數(shù)據(jù)量幾千到幾十萬均可通常需要大規(guī)模數(shù)據(jù)支撐這張表不是想說某一種模型更好而是提醒我們選型是一個多維度的權(quán)衡過程精度只是其中的一個指標。在一個項目里精度、速度、成本、可解釋性和可維護性共同構(gòu)成決策空間你需要根據(jù)業(yè)務(wù)特性給這些維度分配權(quán)重再去找最優(yōu)解。很多團隊選了“精度最高”的模型最后卻不成功往往就是因為在其他維度上欠了太多賬。7. 實戰(zhàn)中的混合打法兩種模型如何配合使用7.1 深度模型做特征提取器淺層模型做最終決策我在實際項目中越來越傾向于一種思路不讓兩類模型對立而是讓它們各自做最擅長的事。深度模型擅長從原始信號里提煉結(jié)構(gòu)化的語義表示淺層模型擅長在結(jié)構(gòu)化特征空間里做穩(wěn)健的決策。舉個例子我參與過的一個文本處理類項目原始輸入是長文本我們先用一個預(yù)訓(xùn)練模型把文本編碼成768維的語義向量再把向量和業(yè)務(wù)規(guī)則特征合并喂給LightGBM做最終判斷。這樣既拿到了深度模型對語義的理解能力又保留了淺層模型的訓(xùn)練效率、特征解釋和可控性。效果上比單純用預(yù)訓(xùn)練模型再接全連接層更容易調(diào)試和維護。7.2 級聯(lián)過濾先用淺層模型召回再用深度模型精排另一種常見組合是級聯(lián)。召回階段要處理的量大、延遲要求高這時候用淺層模型做快速過濾把候選集從十萬級壓縮到百級。精排階段再交給深度模型在更小的候選集上做更精細的排序。這個模式在搜索、推薦、廣告系統(tǒng)里非常成熟核心思路是讓貴的深度模型只在必要的時候上場控制整體成本。我參與過的一個搜索排序類項目就是這么設(shè)計的第一層用線性模型加人工特征做快速粗篩第二層用Embedding加深度網(wǎng)絡(luò)精排。整體效果比單一模型高出不少而且線上CPU壓力完全可控。你不需要讓所有請求都經(jīng)過深度模型的完整推理光是這一點就能省下可觀的資源。7.3 知識蒸餾把大模型的知識遷移到小模型如果你的部署環(huán)境很受限實在跑不動深度模型還有一個思路是知識蒸餾先訓(xùn)練一個能力強大的大模型再讓它教會一個小模型模仿它的輸出。小模型可能仍然是一個淺層網(wǎng)絡(luò)但因為它學(xué)到了大模型的“軟知識”在小體積下可以獲得比直接訓(xùn)練更高的效果。我在一個資源受限的嵌入式設(shè)備分類項目里試過這個方案標簽是設(shè)備狀態(tài)分類。初始大模型在離線數(shù)據(jù)上有很強的表達能力但嵌入式芯片只能容納很小的模型。我們用大模型的輸出概率作為軟標簽去訓(xùn)練小模型準確率比直接用硬標簽訓(xùn)練小模型提升了大約5個百分點而且推理延遲控制在幾毫秒以內(nèi)。混合方案的原則就一句話看清整個流程的瓶頸在哪里在瓶頸的地方選擇最合適的工具。深度學(xué)習(xí)不是來取代一切的它更像是工具箱里的一個強力扳手淺層模型則是那把用慣了的螺絲刀。高手不會扔掉任何一把好工具只會學(xué)會在正確的地方用正確的工具。我自己的經(jīng)驗是一開始就執(zhí)著于“要么全深度、要么全淺層”的團隊往往會在項目后期被迫做很多返工而那些愿意在流程不同環(huán)節(jié)混用模型的團隊反而總能找到性價比更高的方案。所以你看傳統(tǒng)機器學(xué)習(xí)淺層模型和深度學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)之間并沒有一條放之四海皆準的勝負線。我個人的習(xí)慣是任何項目開頭都先跑一個淺層基線用最簡單的特征集和最快的模型把底線立住然后看差距、算成本、評估解釋需求再決定要不要引入深度模型。這個流程看起來保守但每次都能幫我省下大量試錯成本。補充三個非常實際的經(jīng)驗數(shù)據(jù)量少于五千條時別碰深度模型先把你的人工特征做到極致再說解釋和審計壓力大的項目優(yōu)先選樹模型哪怕犧牲一兩個點的指標最后別因為“深度學(xué)習(xí)聽起來更高級”就強行換模型選型決策的核心永遠只有三個字——劃得來。