python实现神经网络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？

2021-03-25

2580

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？这取决于数据量和样本数。不同的样本数和特征数据适合不同的算法。像神经网络这样的深度学习算法需要训练大量的数据集来建立更好的预

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？

这取决于数据量和样本数。不同的样本数和特征数据适合不同的算法。像神经网络这样的深度学习算法需要训练大量的数据集来建立更好的预测模型。许多大型互联网公司更喜欢深度学习算法，因为他们获得的用户数据是数以亿计的海量数据，这更适合于卷积神经网络等深度学习算法。

如果样本数量较少，则更适合使用SVM、决策树和其他机器学习算法。如果你有一个大的数据集，你可以考虑使用卷积神经网络和其他深度学习算法。

以下是一个图表，用于说明根据样本数量和数据集大小选择的任何机器学习算法。

如果你认为它对你有帮助，你可以多表扬，也可以关注它。谢谢您

首先，你需要数学基础：高等数学、线性代数、概率论、数理统计与随机过程、离散数学、数值分析

其次，你需要算法的积累：人工神经网络、支持向量机、，遗传算法和其他算法；当然，在各个领域也需要算法，比如SLA研究，如果你想让机器人在定位环境M中导航和建立自己的地图，总之，很多算法需要时间积累；

那么，你至少需要掌握一种编程语言。毕竟，算法的实现还需要编程；如果你深入到硬件，一些基础的电气课程是必不可少的；

人工智能一般需要研究生来学习，这门课程只是简单的一瞥。毕竟，必修的基础课太多了。

我国人工智能发展特别迅速，对人工智能人才的需求也非常大。因此，选择进入人工智能领域是非常明智的。2016年，alphago利用增强学习技术击败了人类围棋冠军李世石，2017年，alphago击败了世界第一棋手柯杰。这一事件使人工智能成为一个众所周知的话题。那么，人工智能专业学习什么呢？

1. Python基金会，2！数学基础，包括微积分基础，线性代数和概率统计，3！各种框架，如tensorflow等

4。深度学习包括机器学习基础、深度学习基础、卷积神经网络、递归神经网络、生成对抗神经网络和深度强学习，这是一种学习。

5、商业项目，如mtcnn中心丢失人脸检测和人脸识别、Yolo V2多目标多类型检测、glgan图像缺失部分完成和语言唤醒等

如果你能学习和掌握以上内容，借助优秀的人工智能技术，找一份人工智能工作是非常容易的。目前，我国人工智能人才短缺高达100万人。现在是学习人工智能的好时机。

选择哪一种都可以，语言只是程序员的基础，真正强大的东西是隐藏在程序背后的算法。想快速入门，选择python，想了解计算机很低级的东西，C或C都可以。java在中间。