Tensorflow是否值得使用简单的优化问题？

Question

我最近开始学习Tensorflow，我想知道是否值得使用简单的优化问题（最小二乘法，最大似然估计......）而不是更传统的图书馆（scikit-learn，statsmodel）？

我已经使用Tensorflow和MLE以及AdamOptimizer实现了一个基本的AR模型估算器，结果不能说服性能或计算速度明智。

您怎么看？

Answer 1

这有些基于意见，但是当您想要优化任意的，参数丰富的非线性函数（例如，深度神经网络）时，Tensorflow和类似的框架（如PyTorch）非常有用。对于“标准”统计模型，我会使用已经为其量身定制的代码，而不是重新发明轮子。这是真的，特别是当有封闭形式的解决方案时（如线性最小二乘） - 为什么在你不需要时进入局部优化的阴暗水域？使用现有统计库的另一个优点是，它们通常为您提供有关您的点估计的不确定性度量。

我看到一个可能的情况，您可能希望将Tensorflow用于简单的线性模型：当变量的数量如此之大时，无法使用闭式方法估计模型。然后基于梯度下降的优化是有意义的，而张量流是一个可行的工具。