既然使用神經網絡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)據量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據適合不同的算法。像神經網絡這樣的深度學習算法需要訓練大量的數(shù)據集來建立更好的預

既然使用神經網絡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)據量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據適合不同的算法。像神經網絡這樣的深度學習算法需要訓練大量的數(shù)據集來建立更好的預測模型。許多大型互聯(lián)網公司更喜歡深度學習算法，因為他們獲得的用戶數(shù)據是數(shù)以億計的海量數(shù)據，這更適合于卷積神經網絡等深度學習算法。

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習算法。如果你有一個大的數(shù)據集，你可以考慮使用卷積神經網絡和其他深度學習算法。

以下是一個圖表，用于說明根據樣本數(shù)量和數(shù)據集大小選擇的任何機器學習算法。

如果你認為它對你有幫助，你可以多表揚，也可以關注它。謝謝您！tiktokwai

AI是目前互聯(lián)網應用比較好的方向，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)務幾乎是每個公司的收入。最好的部分，所以備受關注，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？

開始時，您不必很好地學習算法。但是隨著技術的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學好軟件開發(fā)離不開計算機理論基礎，比如數(shù)據結構、操作系統(tǒng)、網絡技術、算法研究等，如果你喜歡這項技術，那就不是問題。先開始，你可以彌補。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學習算法，首先選擇經典算法教材?；镜目梢詮臄?shù)據結構中學習，其中包含一些基本的算法，然后再學習特殊的算法（實際上，在數(shù)據結構領域學習算法一般就足夠了）。網上還有很多論壇、算法網站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語言，但是語言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項技術。該算法在實際應用中是最快、最強的。

我希望我能幫助你