既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類問(wèn)題，那SVM、決策樹(shù)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(lái)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(wèn)題，那SVM、決策樹(shù)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(lái)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(shù)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(shuō)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?yè)P(yáng)，也可以關(guān)注它。謝謝您

以神經(jīng)網(wǎng)絡(luò)為核心的智能算法是否可以預(yù)測(cè)股票價(jià)格？

如何創(chuàng)建一個(gè)優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型？

例如，要預(yù)測(cè)一個(gè)人是男人還是女人，有兩組因素可供選擇：a.頭發(fā)顏色、皮膚顏色、雙眼皮與否；B.他是否有胡須、是否有亞當(dāng)蘋(píng)果和他的體重。

因此，為了建立一個(gè)優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型，我們必須選擇具有高度相關(guān)性的因素。

同樣的因素，在不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，預(yù)測(cè)結(jié)果會(huì)有很大的不同。

如果結(jié)構(gòu)太簡(jiǎn)單，會(huì)出現(xiàn)“欠擬合”，即應(yīng)該分析的不分析；如果結(jié)構(gòu)太復(fù)雜，會(huì)出現(xiàn)“過(guò)擬合”，即不應(yīng)該分析的不分析。只有正確的網(wǎng)絡(luò)結(jié)構(gòu)才能分析出預(yù)期的結(jié)果。

例如：

一個(gè)住在偏遠(yuǎn)村莊a的學(xué)生被城市B中學(xué)錄取。他是村里歷史上唯一被B中學(xué)錄取的人。高考后，他被清華大學(xué)錄取。

如果已經(jīng)安裝了模型，將考慮100%的“住a村”和“讀B高中”的人可以被清華大學(xué)錄取。這是真的，但顯然不是我們想要的結(jié)論。

直接圖表：

沃倫·巴菲特（Warren Buffett）是公認(rèn)的投資大師，在過(guò)去20年中實(shí)現(xiàn)了20%的平均回報(bào)率；詹姆斯·西蒙斯（James Simmons）使用他的量化模型，從1989年到2009年實(shí)現(xiàn)了約35%的平均回報(bào)率。