وعليكم السلام ورحمة الله تعالى وبركاته،
يفضل أن تعتمد استراتيجية متوازنة تجمع بين بناء وتطوير الشبكات العصبية العميقة وتجربة عدة خوارزميات تقليدية في تعلم الآلة، لماذا؟
لأن لكل منهما نقاط قوة ومجالات استخدام مميزة فالشبكات العصبية العميقة مناسبة جدا عندما تتعامل مع بيانات ضخمة ومعقدة وغير منظمة مثل الصور أو الصوت أو النصوص حيث تتميز بقدرتها على استخراج الخصائص تلقائيا وتحقيق دقة عالية في مشكلات نمط معقد.
بالمقابل الخوارزميات التقليدية في تعلم الآلة مثل الانحدار اللوجستي، أشجار القرار، وآلات الدعم الناقل تتميز ببساطتها وسرعة التدريب على بيانات صغيرة أو متوسطة الحجم وقابليتها العالية للتفسير مما يجعلها أفضل في حالات حيث يكون حجم البيانات محدودا أو حيث تكون الشفافية في شرح النتائج ضرورية.
وأضيف لك أن دقة النموذج وفعاليته تعتمد بشكل كبير على طبيعة المشكلة وحجم البيانات المستعملة ودرجة تعقيد العلاقات بين المتغيرات لذلك من الأفضل اختبار ومقارنة الخوارزميات المختلفة بناء على هذه العوامل.