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)集來建立更好的預(yù)測模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因為他們獲得的用戶數(shù)據(jù)是數(shù)以億計的海量數(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)為它對你有幫助，你可以多表揚，也可以關(guān)注它。謝謝您

各路大神，能給推薦幾本適合初學(xué)深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的書嗎？

你好，我很高興回答你的問題。！在有了Python基金會之后開始開發(fā)定位是件好事

！深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。我建議你大致了解一下內(nèi)容，然后在網(wǎng)上搜索各種文章和視頻，分章節(jié)學(xué)習(xí)。

幾年前，我還在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。發(fā)現(xiàn)對數(shù)學(xué)的要求比較高，各種高階公式和矩陣算法，學(xué)習(xí)起來比較困難

！我建議你去BiliBili網(wǎng)站搜索一些關(guān)于深度學(xué)習(xí)的視頻。

有一個中國人教英語，但是說英語的人更好。我忘記了具體的名字，因為我已經(jīng)學(xué)習(xí)了很長時間。他的課程很容易理解，而且都是免費的。我遵循他的路線。如果我什么都不懂，我會停下來去百度搜索其他文章或視頻。

堅持下去很重要。來吧。