既然用神經網路也可以解決分類問題,那SVM、決策樹這些演算法還有什么意義呢?
uj5u.com熱心網友回復:
每種模型都有自己的assumption,每個資料集都有自己的分布,模型的assumption跟資料集的分布契合度越高,模型表現越好。也就是所謂的“沒有最好的模型,只有最合適的模型”。比如一個資料集分界面是線性的,而且數量小,這種情況下,你用神經網路就得不償失,相反,用一個簡單的LR就相得益彰。最近幾年神經網路炙手可熱,給初學者一種假象,覺得沒有神經網路解決不了的問題,甚至有人想用神經網路預測彩票。其實神經網路也是有assumption的,如果資料不符合對應的assumption,神經網路也無能為力。轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/34859.html
標籤:Qualcomm開發
上一篇:5G
