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(cè)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?yàn)樗麄儷@得的用戶數(shù)據(jù)是數(shù)以億計(jì)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(jī)器學(xué)習(xí)算法。如果你有一個(gè)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(gè)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(jī)器學(xué)習(xí)算法。

如果你認(rèn)為它對(duì)你有幫助，你可以多表揚(yáng)，也可以關(guān)注它。謝謝您

svm在多類分類算法中的分析和應(yīng)用？

提供多種選擇。1多類支持向量機(jī)2。兩類支持向量機(jī)采用一對(duì)多策略訓(xùn)練多個(gè)支持向量機(jī)，然后對(duì)訓(xùn)練結(jié)果進(jìn)行組合。三。二類支持向量機(jī)使用一對(duì)一策略訓(xùn)練多個(gè)策略訓(xùn)練多個(gè)，使用voiting或DAG的結(jié)構(gòu)得到結(jié)果

學(xué)習(xí)哪個(gè)專業(yè)，這個(gè)問題太簡(jiǎn)單了

數(shù)學(xué)，英語比較好，我不用說，這是最基本的

對(duì)于阿里這樣的大公司，你至少需要985或者211名校

電腦問題，你可以問我

我會(huì)定期更新科普視頻