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(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，你可以多表揚(yáng)，也可以關(guān)注它。謝謝您

如何在學(xué)java的同時(shí)學(xué)習(xí)人工智能（大一新生的困惑）？

作為一名計(jì)算機(jī)專業(yè)的教育家，讓我來回答這個(gè)問題。

首先，對(duì)于大一新生來說，學(xué)習(xí)的重點(diǎn)是基礎(chǔ)學(xué)科，尤其是數(shù)學(xué)相關(guān)課程，這對(duì)于計(jì)算機(jī)專業(yè)來說非常重要。

如果你在大一期間還有精力學(xué)習(xí)編程語言和人工智能知識(shí)，可以按照以下步驟學(xué)習(xí)：

第一：學(xué)習(xí)java基本語法。在學(xué)習(xí)人工智能技術(shù)之前，你需要有一定的編程基礎(chǔ)，所以你首先要掌握java編程基礎(chǔ)，然后學(xué)習(xí)人工智能相關(guān)知識(shí)。從學(xué)習(xí)人工智能技術(shù)的角度來看，學(xué)習(xí)java基本語法不需要學(xué)習(xí)web開發(fā)的內(nèi)容，只需要關(guān)注java面向?qū)ο缶幊痰膬?nèi)容。

第二：學(xué)習(xí)機(jī)器學(xué)習(xí)知識(shí)。對(duì)于初學(xué)者來說，學(xué)習(xí)人工智能技術(shù)可以從學(xué)習(xí)機(jī)器學(xué)習(xí)知識(shí)入手，機(jī)器學(xué)習(xí)是開啟人工智能技術(shù)體系大門的關(guān)鍵。學(xué)習(xí)機(jī)器學(xué)習(xí)知識(shí)可以從學(xué)習(xí)基本的機(jī)器學(xué)習(xí)算法，如樸素貝葉斯算法、決策樹算法開始，然后通過編程語言完成這些算法的實(shí)現(xiàn)和驗(yàn)證。

第三：學(xué)習(xí)人工智能平臺(tái)的知識(shí)。隨著目前各大科技公司都推出了自己的人工智能平臺(tái)，因此我們可以通過這些人工智能平臺(tái)學(xué)習(xí)相關(guān)知識(shí)，如自然語言處理平臺(tái)和計(jì)算機(jī)視覺平臺(tái)。

與Java語言相比，Python在人工智能領(lǐng)域的應(yīng)用更加廣泛。由于Python語法簡(jiǎn)單，庫豐富，使用Python完成人工智能實(shí)驗(yàn)更為方便。

最后，目前人工智能領(lǐng)域的人才培養(yǎng)還是以研究生教育為主，所以如果你想在人工智能領(lǐng)域走得更遠(yuǎn)，建議讀研究生教育。