既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類問題，那SVM、決策樹這些算法還有什么意義呢？這取決于數(shù)據(jù)量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據(jù)適合不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來建立更好的預(yù)

既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類問題，那SVM、決策樹這些算法還有什么意義呢？

這取決于數(shù)據(jù)量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據(jù)適合不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來建立更好的預(yù)測模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因為他們獲得的用戶數(shù)據(jù)是數(shù)以億計的海量數(shù)據(jù)，這更適合于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。

如果樣本數(shù)量較少，則更適合使用SVM、決策樹和其他機器學(xué)習(xí)算法。如果你有一個大的數(shù)據(jù)集，你可以考慮使用卷積神經(jīng)網(wǎng)絡(luò)和其他深度學(xué)習(xí)算法。

以下是一個圖表，用于說明根據(jù)樣本數(shù)量和數(shù)據(jù)集大小選擇的任何機器學(xué)習(xí)算法。

如果你認為它對你有幫助，你可以多表揚，也可以關(guān)注它。謝謝您

svm分類算法原理？

基本模型定義為特征空間中區(qū)間最大的線性分類器，其學(xué)習(xí)策略是區(qū)間最大化，最終可轉(zhuǎn)化為凸二次規(guī)劃問題。

計算機編程語言需要哪種算法？

Apriori算法：https://www.toutiao.com/i6602129057633010184/

AdaBoost算法：https://www.toutiao.com/i6602034223387771400/

C4.5算法：https://www.toutiao.com/i6602461790884332045/

Cart算法：https://www.toutiao.com/i6602016174802731533/

K-均值算法：https://www.toutiao.com/i6602460997519147524/

SVM算法：https://www.toutiao.com/I66024600036063035911/

PageRank算法：https://www.toutiao.com/i6602036596369785347/

K-最近鄰算法/KNN：https://www.toutiao.com/i6602033239240475140/

樸素貝葉斯算法：https://www.toutiao.com/i6602032352438780419/

要成為算法工程師需要學(xué)哪些專業(yè)？

學(xué)習(xí)哪個專業(yè)的問題太簡單了

如果我擅長數(shù)學(xué)和英語，我就不談了。這是最基本的

像阿里你需要什么樣的大公司至少985或者211所名牌大學(xué)

你可以問我關(guān)于電腦的問題

我會定期更新科普視頻