張量流和深度學習主要用於圖像處理（分類，識別），NLP，語音和文本處理。我以前使用Spark MLLIB和Mahout？ Tensorflow有深度神經網絡的例子 - https://www.tensorflow.org/tutorials/wide_and_deep。邏輯迴歸，梯度增強樹等可以在Tensorflow或DL框架中建模嗎？可以使用Tensorflow/Deep Learning進行梯度增強樹，Logistic迴歸？
是的，當然。事實上，你可以找到很多的例子：
有喜歡tf.contrib.learn.LinearClassifier一些準備實現在https://www.tensorflow.org/tutorials/wide
或者是這樣的：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py在您使用tf.matmul和適當的激活。
甚至有東西與梯度提升：https://arogozhnikov.github.io/2016/07/05/gradient_boosting_playground.html
謝謝安德烈。你可以評論一下使用Tensorflow NN的準確性，比如Scikit學習。我問的原因是，CNN已經打敗了傳統的機器學習結果。 –
這真的取決於情況。神經網絡通常需要大量的數據，更多的計算資源和更多的時間進行模型調整。 CNN也只適用於某些問題。有時候這個問題很容易使用通常的機器學習模型。神經網絡也缺乏可解釋性，這在業務中可能是必需的。 –