决策树算法的应用场景 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？

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

java开发，转大数据好还是机器学习？

谢谢。我建议转向大数据。

我也从事java开发，我对这个主题的纠缠也有同样的感受。毕竟，如果我精通Java，我已经付出了大量的学习精力。如果我学习机器学习，我基本上想告别Java，这无疑是一个非常不幸的选择。

此外，转向机器学习不仅需要深入了解python，还需要掌握数学算法，这是不可能一蹴而就的。因此，转向人工智能的风险相对较高，很容易打乱一个人的职业规划。

目前，大数据方向仍是一个需求量大、前景好的工作方向。Java广泛应用于大数据领域。单凭Hadoop生态系统就足以完成大量的大数据工作，而Hadoop和Java是分不开的。

最重要的是大数据方向不会低于机器学习的工资，机器学习还处于初级阶段。别担心工资问题。

决策树算法的应用场景 决策树算法原理 决策树算法例题

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。