AIプロジェクトで特徴量エンジニアリングがとりわけ重要になる状況として最も適切なものはどれか?

ディープラーニングは多層ネットワークが自動で特徴抽出を行うため前処理を最小限に抑えても高性能を得やすい。対照的に決定木や線形モデルなどの古典的アルゴリズムは入力変数のスケール調整や意味的組み合わせなど手作業の特徴設計が性能を支配する。現場では専門知識を活用した特徴生成が最も時間を要する場合も多く、この状況で特徴量エンジニアリングの重要性が際立つ。