电脑初学者入门教程 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
学习神经网络、SVM等机器学习的知识，为了更好的投入到应用当中，用matlab还是c 好呢？
这主要取决于学习它的目的。我认为可以分为两种情况，一种是学术研究，另一种是工程应用。下面分别说明。
对于学术研究来说，不仅需要了解机器学习中各种算法的原理，还需要能够独立进行数学推理才能有进一步的发展。此时，为了对算法有更深入的理解和应用，通过编程来实现这些算法是一种很好的方法。例如，对于在校研究生来说，如果能自己动手编写这些算法，不仅能加深对理论的理解，还能增加实践经验。对于这些算法的实现，首选的编程语言是C/C。对于工程应用，我们不需要对各种算法有很深的了解，只要我们了解它们的原理和工作机制就可以了。如果有现成的图书馆，那就更好了。我们不必每件事都自己去实现。在当前的编程语言中，MATLAB和python对机器学习的支持较好，但考虑到版权和成本问题，推荐使用python。毕竟，它是一个开源项目，而且有很多第三方库支持机器学习，比如pytorch、tensorflow等，虽然MATLAB功能强大，但是价格昂贵。
总之，如果学生想向学术方向发展，应该选择C/C来实现这些算法；如果他们是做工程的，可以直接使用python，这是最适合AI开发的语言之一。
初学CAD如何入门？
不容易回答。请支持我。谢谢您！
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。
