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

決策樹(shù)法的優(yōu)缺點(diǎn)？

傳統(tǒng)統(tǒng)計(jì)方法中決策樹(shù)的優(yōu)缺點(diǎn)如下：

1。它可以生成可理解的規(guī)則；

2。計(jì)算量相對(duì)較??；

3。它可以處理連續(xù)和類(lèi)型字段；

4。它可以清楚地顯示哪些字段更重要。缺點(diǎn)：1。連續(xù)場(chǎng)的預(yù)測(cè)比較困難。對(duì)于具有時(shí)間序列的數(shù)據(jù)，需要進(jìn)行大量的預(yù)處理。當(dāng)類(lèi)別太多時(shí)，錯(cuò)誤可能會(huì)增加得更快。一般算法在分類(lèi)時(shí)，只根據(jù)一個(gè)字段進(jìn)行分類(lèi)。決策樹(shù)方法具有組織清晰、程序嚴(yán)謹(jǐn)、定性與定量分析相結(jié)合、方法簡(jiǎn)單、易于掌握、適用性強(qiáng)、應(yīng)用廣泛等優(yōu)點(diǎn)。人們逐漸認(rèn)識(shí)到在進(jìn)行投資方案比選時(shí)，考慮時(shí)間因素，建立時(shí)間可比性原則和條件的重要性。在當(dāng)今社會(huì)經(jīng)濟(jì)活動(dòng)中，競(jìng)爭(zhēng)日趨激烈?，F(xiàn)代企業(yè)的經(jīng)營(yíng)方向面臨著多種選擇。如何利用最少的資源贏得最大的利潤(rùn)，最大限度地降低經(jīng)營(yíng)風(fēng)險(xiǎn)，是企業(yè)決策者經(jīng)常面臨的決策問(wèn)題。決策樹(shù)方法可以幫助企業(yè)決策者分析企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)和風(fēng)險(xiǎn)經(jīng)營(yíng)方向。隨著經(jīng)濟(jì)的不斷發(fā)展，需要決策的企業(yè)數(shù)量必然會(huì)不斷增加，決策質(zhì)量的提高有賴(lài)于科學(xué)的決策方法。如果企業(yè)的決策水平提高了，企業(yè)的管理水平就一定會(huì)提高。

決策樹(shù)法的優(yōu)缺點(diǎn)？

1. 決策樹(shù)分析方法能顯示決策過(guò)程，形象具體，容易發(fā)現(xiàn)問(wèn)題。1決策樹(shù)分析可以將風(fēng)險(xiǎn)決策的各個(gè)環(huán)節(jié)聯(lián)系起來(lái)，形成一個(gè)統(tǒng)一的整體，有利于決策過(guò)程中的思考，便于比較各種方案的優(yōu)劣。三。決策樹(shù)分析可用于定性分析和定量計(jì)算。

決策樹(shù)分析法的決策準(zhǔn)則是什么？

決策樹(shù)是一種基于已知各種情況發(fā)生概率的決策分析方法，通過(guò)構(gòu)造決策樹(shù)，計(jì)算凈現(xiàn)值期望值大于或等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性。它是一種直觀地運(yùn)用概率分析的圖解方法。決策樹(shù)的優(yōu)點(diǎn)和缺點(diǎn)：1）能夠生成可理解的規(guī)則。

2）計(jì)算量相對(duì)較小。

3）您可以處理連續(xù)字段和類(lèi)型字段。

4）決策樹(shù)可以清楚地顯示哪些字段更重要。缺點(diǎn)：1）難以預(yù)測(cè)連續(xù)場(chǎng)。2） 對(duì)于具有時(shí)間序列的數(shù)據(jù)，需要進(jìn)行大量的預(yù)處理。3） 當(dāng)類(lèi)別太多時(shí)，錯(cuò)誤可能會(huì)增加得更快。4） 一般算法分類(lèi)，只根據(jù)一個(gè)字段進(jìn)行分類(lèi)。

決策樹(shù)的優(yōu)缺點(diǎn)是什么?。?/h2>

決策樹(shù)方法是管理者和決策分析人員經(jīng)常使用的有效決策工具。它有以下優(yōu)點(diǎn)：

1。決策樹(shù)列出了決策問(wèn)題的所有可行方案和各種可能的自然狀態(tài)，以及每種可行方法在各種狀態(tài)下的期望值。

2. 它能直觀地顯示整個(gè)決策問(wèn)題在不同時(shí)間和順序階段的決策過(guò)程。

3. 應(yīng)用于復(fù)雜的多階段決策時(shí)，階段性明顯，層次明確，便于決策機(jī)關(guān)集體研究，并能慎重考慮各種因素，有利于正確決策。當(dāng)然，決策樹(shù)方法并不完善，它也有一些缺點(diǎn)，如使用范圍有限，不能適用于一些不能用數(shù)量表示的決策；對(duì)各種方案發(fā)生概率的確定有時(shí)是主觀的，可能導(dǎo)致決策失誤；等等。

決策樹(shù)法適合什么決策？

決策樹(shù)方法是用樹(shù)形圖表示決策過(guò)程。樹(shù)形圖一般由決策點(diǎn)、方案分支、自然狀態(tài)點(diǎn)、概率分支和結(jié)果點(diǎn)組成。樹(shù)形圖顯示了兩個(gè)不同的決策環(huán)節(jié)，一個(gè)是主觀決策環(huán)節(jié)，另一個(gè)是客觀決策環(huán)節(jié)。決策樹(shù)方法適合于風(fēng)險(xiǎn)決策。