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)也可以解決分類問題，那SVM、決策樹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

想自學(xué)人工智能編程,怎么入門？

首先，編程領(lǐng)域比較大。為什么它很大？學(xué)習(xí)軟件開發(fā)，無(wú)論是前端還是后端，都是編程，大數(shù)據(jù)也是編程，人工智能也是編程

因此，沒有明確的方向。

在編程世界中，有一種古老的語(yǔ)言叫做C語(yǔ)言，它是C和Java的祖先。所有語(yǔ)言的基礎(chǔ)都來(lái)自于它，所以你最好先了解它。

但是現(xiàn)在，由于人工智能的普及，很多人都在學(xué)習(xí)python，很多人說它的語(yǔ)法簡(jiǎn)單易學(xué)。這是正確的。也有人說它是初學(xué)者學(xué)習(xí)的最好的語(yǔ)言。事實(shí)上，如果沒有嚴(yán)格的語(yǔ)法，它可以說是“為所欲為”。它可能只需要編寫20行Java代碼。

不過，我還是想談?wù)勚鹘?！它是C語(yǔ)言，為什么呢，因?yàn)槟阒粚W(xué)它，再學(xué)C和Java就容易多了，可以說它很快就會(huì)帶領(lǐng)你成為一名程序員。當(dāng)然，不是絕對(duì)的。

學(xué)習(xí)python并非不可能，但它與C/C和Java不同。經(jīng)過學(xué)習(xí)，回首C，我覺得它不是一個(gè)世界。

現(xiàn)在大學(xué)是基于C語(yǔ)言的，你不妨從它開始。

我希望這個(gè)答案能對(duì)您有所幫助。