关于用 tf 研究蜜蜂减少的原因靠谱吗？

主要还是看建模的数据，如果数据模型恰当，可以捕捉到规律。如果关键要素的数据都没包括进来，那机器也是瞎猜

楼主弄成功了告诉我，
我有一个大项目找你。

用 tf 预测股市

靠不靠谱跟神经网络本身无关，你如果问一个非专业人士心脏病是否能预测他会告诉他也不确定。机器学习领域这么说吧，模型和数据三七开，数据里面数据探索预处理和数据获取三七开。所以能不能预测关键在于你对蜂蜜领域了解的有多深，数据获取的有多科学多详细。某一年 kaggle 竞赛第一名接受采访时回答获奖原因，他说那一场比赛的题目是关于医学的，而他对医学研究很多，所以比别人更容易拿到好成绩。自己体会吧

@wqzjk393 无比赞同

？什么，我只发现了这个妹子好好看

tf 只是工具
更重要的是和生物专家一起合作，才能得出一个让生物学家认可的结论
不是你任何人，想跨界就能跨界的，
一个写代码的，跨界去搞生物，不要天天颠覆这个颠覆那个

用 tf 分析每个蜂箱拍摄的视频以统计蜜蜂的进出数量，靠谱√。

手里拿着锤子，看什么都像钉子……还好楼主想干的事不会敲到自己的手。科学研究需要创新和想象力，据我的经验，神经网络特别喜欢偷懒、取巧、钻（样本的）空子，这些品质放一个活人身上，这个人显然也不适合搞研究

@wqzjk393 #3 虽然对专业知识的了解有利于建模，但是你举这个例子容易让人误解，不符合目前机器学习对具体领域专业性要求降低的趋势。远的来说 IBM 做翻译的大佬 Frederick Jelinek 曾说过“每当我开除一名语言学家，系统性能都会提升一些”，近的来说 AlphaGO 的开发者也都不是专业棋手，以 kaggle 为例，竞赛的参与者大部分都不是赛题对应专业的，数据竞赛最后好的模型主要都不是靠预处理和专业知识了。

@padeoe 围棋的基础规则极为简单，所以开发者不需要棋艺训练（本质上棋艺也是基础规则的叠加）。但是其他行业可没那么简单，机器看透视图治病，可靠性就上不去了

靠谱 万物皆可神经网络

蜜蜂与蜂蜜是不一样的

tf 可以说和统计学其实是同样的原理