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？這取決于樣本數(shù)和數(shù)據(jù)樣本數(shù)。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

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？

這取決于樣本數(shù)和數(shù)據(jù)樣本數(shù)。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(rèn)為它對你有幫助，你可以多表揚，也可以關(guān)注它。謝謝您！tiktokwai

AI是目前互聯(lián)網(wǎng)應(yīng)用比較好的方向，所以需求比較大。推薦算法的地位還是很好的。推薦算法中有很多方向，如信息流推薦（今日頭條）、電子商務(wù)推薦（淘寶）、視頻推送（愛奇藝、抖動、快手等）、廣告推薦（馮超）等，這些業(yè)務(wù)幾乎是每個公司的收入。最好的部分，所以備受關(guān)注，因此，推薦算法工程師的前景是好的。

算法工程師的發(fā)展前景如何？

決策樹方法的意義：它是一種解決分類問題的算法。決策樹算法采用樹形結(jié)構(gòu)，采用逐層推理實現(xiàn)最終分類。

決策樹方法的工作步驟是：①特征選擇；②決策樹生成；③決策樹剪枝。