神经网络模型有哪几种 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！

以神经网络为核心的智能算法是否可以预测股票价格？

毫无疑问，优秀的神经网络模型能够更加准确地预测股票未来走势。

如何才能创建一个优秀的神经网络模型呢？

1． 选择关联度高的因子

举个例子，要预测一个人是男还是女，有以下两组因子可供选择：

A. 头发颜色、皮肤颜色、是否双眼皮

B. 是否长胡子、是否有喉结、体重

这简直就是送分题，选项B几乎能够完全准确的预测出真实结果。

所以要想创建优秀的神经网络模型，必须选择关联度高的因子。

2． 选择合理的神经网络架构

同样的因子，在不同的神经网络架构下，预测出的结果会大不相同。

结构过于简单，会存在“欠拟合”的情况，简单说就是该分析出来的没分析出来；结构过于复杂，又会出现“过拟合”的情况，简单说就是不该分析出来的分析出来了。恰到好处的网络结构，才能够分析出想要的结果。

以过拟合举个例子：

一名学生，生活在一个偏远的A村，考上了城里的B高中，他是村子有史以来唯一考上B高中的人，高考后，又如愿考上了清华大学。

如果模型出现过拟合，就会认为：“生活在A村”并且“就读于B高中”的人，100%能够考上清华大学。这是事实，但显然不是我们想要的结论。

直接上图：

巴菲特，公认的投资大师，在过去的20年平均回报率高达20%；詹姆斯.西蒙斯，运用他的量化模型，1989-2009年，平均回报率约35%。

神经网络模型预测股票走势必将大势所趋。

关注我！

用数据说话，探索投资方向。

神经网络模型有哪几种 神经网络算法三大类 神经网络分类四种模型

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。