java冒泡排序经典代码 既然使用神经网络也可以解决分类问题，那SVM、决策树这些算法还有什么意义呢？

既然使用神经网络也可以解决分类问题，那SVM、决策树这些算法还有什么意义呢？要看你的数据量和样本数量，不同的样本数量和特征数据量适合采用的算法都不一样。神经网络等深度学习算法需要训练很大的数据集才能构

既然使用神经网络也可以解决分类问题，那SVM、决策树这些算法还有什么意义呢？

要看你的数据量和样本数量，不同的样本数量和特征数据量适合采用的算法都不一样。神经网络等深度学习算法需要训练很大的数据集才能构建比较好的预测模型。很多互联网大公司比较喜欢深度学习算法是他们获得的用户数据都是数以亿计的海量数据，这是比较适合卷积神经网络等深度学习算法。

如果你的样本数量很少，比较合适的是使用SVM，决策树等机器学习算法，如果你的数据集比较大，可以考虑使用卷积神经网络等深度学习算法。

这有一个图，就是说明任何根据样本数量和数据集大小来选择机器学习算法的。

如果觉得对您有帮助，可以多多点赞哦，也可以随手点个关注哦，谢谢！

什么是决策树法？

决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。 它的主要问题是： id3是非递增学习算法；id3决策树是单变量决策树，复杂概念的表达困难；同性间的相互关系强调不够；抗噪性差。针对上述问题，出现了许多较好的改进算法，如 schlimmer和fisher设计了id4递增式学习算法钟鸣，陈文伟等提出了ible算法等。