應用場景和算法不是一個絕對的依賴關系。

應用場景落地如果需要取得比較理想的效果，需要依賴算法，算力，數據等多方面的條件結合。

下面東方林語列出了一個數據場景技術的7區域評估模型可以參考一下，對每個區域，需要注意的關鍵點也做了一個說明:

所以，無論是樸素貝葉斯，決策樹，K近鄰，SVM，邏輯回歸等，都是傳統機器學習算法的某一種。在不同的數據和場景條件下，會發揮不同的價值，但仍舊需要具體問題具體分析，很難界定出一個與場景相匹配的算法條件與標準。

另外，專家規則的價值，在現階段仍舊非常重要。

人工智能技術，也還包括了深度學習，強化學習，遷移學習，聯邦學習，自監督學習等多個分支。

最重要的是，很多場景，需要多種技術結合，才能真正發揮更大的價值。

比如，以用戶畫像為例，為了做好目標用戶的實時精準畫像，需要機器學習，統計學，信息檢索，NLP，大數據存儲，大數據實時計算等多項技術的綜合技能。

任何一項技術如果存在短板，都會影響場景落地最終價值的效果。

所以，各種機器學習算法和框架，相當于是場景落地的“發動機”，但要打造成一輛真正有價值的“汽車”，還需要各種工程化的環節相結合，才能真正發揮出相應的價值。