svm是干什么的 既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類(lèi)問(wèn)題，那SVM、決策樹(shù)這些算法還有什么意義呢？
既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類(lèi)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(lèi)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(hù)數(shù)據(jù)是數(shù)以?xún)|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
svm分類(lèi)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(lèi)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(wèn)題。
要成為算法工程師需要學(xué)哪些專(zhuān)業(yè)？
學(xué)哪個(gè)專(zhuān)業(yè)太容易了
我不想把數(shù)學(xué)和英語(yǔ)學(xué)好，這是最基本的
對(duì)于阿里這樣的大公司來(lái)說(shuō)，你至少需要985或211所著名大學(xué)
你可以問(wèn)我有關(guān)計(jì)算機(jī)的問(wèn)題
我會(huì)定期更新視頻科學(xué)
沒(méi)有最流行的行業(yè)，更不用說(shuō)it行業(yè)了。每個(gè)行業(yè)中最受歡迎的行業(yè)應(yīng)該是各個(gè)行業(yè)的精英。你說(shuō)的技術(shù)是指技術(shù)性的職位，對(duì)吧？如果我告訴你，我也是一名程序員，我的薪水可以低十倍。你認(rèn)為程序開(kāi)發(fā)不受歡迎嗎？這取決于誰(shuí)有技術(shù)，在哪里流行，在哪里有能力，在哪里流行。
讓我給你一個(gè)真實(shí)的例子。我的兩個(gè)同學(xué)熱衷于程序開(kāi)發(fā)。他們個(gè)性迥異。他們是大學(xué)里自學(xué)成才的編輯。其中一個(gè)不喜歡交流，整天看一些書(shū)。另一個(gè)很健談，經(jīng)?？吹剿蚶蠋熖釂?wèn)。畢業(yè)后，前者去網(wǎng)吧做網(wǎng)管，后者去帝京做手機(jī)游戲編輯。當(dāng)時(shí)很受歡迎的哈維是他在大學(xué)里的強(qiáng)項(xiàng)。
在這期間我見(jiàn)過(guò)他們一次。網(wǎng)絡(luò)管理員一個(gè)接一個(gè)地?fù)Q了很多工作，但他和編輯相處得不太好。他覺(jué)得自己的生活很悲慘，但他仍在自學(xué)。后者一直在做手機(jī)游戲開(kāi)發(fā)，他的工資在當(dāng)時(shí)的同學(xué)中已經(jīng)比較高了。
所以it行業(yè)，但是所有的技術(shù)，沒(méi)有流行不流行，而是看你好不好。別人散，你專(zhuān)，別人專(zhuān)，你精，所以你在任何行業(yè)都很受歡迎。