非结构化场景下机器学习算法处理的难点在哪里

非结构化场景下机器学习算法处理的难点有以下几个方面：

1. 数据获取难：非结构化数据来源广泛，种类繁多，例如图像、音频、文本等。获取这些数据需要花费大量的人力、物力和财力。

2. 数据预处理难：非结构化数据往往具有高维度和复杂结构，需要进行特征提取、降维等预处理，这是非常困难的。

3. 模型选择难：非结构化数据的模型选择很大程度上取决于领域知识和经验，需要深入了解数据本身的特点以及问题的背景和目标。

4. 算法优化难：非结构化数据的算法优化也是一个复杂的过程，需要根据具体场景进行算法选择、超参数调整等操作。

5. 数据安全难：由于非结构化数据往往包含个人隐私、商业机密等敏感信息，数据的安全处理也是一个重要问题。