热门标签
热门文章
- 1《智能语音处理》实验篇 一 语音信号的读取、预处理及特征提取_利用语音信号采集与预处理和语音信号的特征提取做语音识别
- 2今天执行grep命令差点把服务器搞崩_linux grep大日志 机器崩了
- 3PyQt5 图表 QtChart_pyqt5.qtchart
- 4使用results.csv文件数据绘制mAP对比图_不同模型的map@0.5值对比图怎么画
- 5三四十岁的大龄程序员，如何保持自己的职场核心竞争力？
- 6【运维知识高级篇】超详细的Jenkins教程1（安装部署+配置插件+创建自由风格项目+配合gitlab实现Jenkins自动触发）_jenkins安装使用教程
- 7TensorFlow 训练多个loss函数技巧： 训练步骤，冻结部分层（freeze some scopes），从tensorboard检查问题_多段loss 函数
- 8Unity3d 如何更改UI及物体的透明度_unity 改变整个ui及子层透明度
- 9linux常用命令总结(通俗易懂，快速记忆版）_linux命令记忆口诀
- 10如何看待前端已死
当前位置: article > 正文
机器学习 day39（决策树和神经网络的比较）
作者：Gausst松鼠会 | 2024-02-23 10:26:52
赞
踩
机器学习 day39（决策树和神经网络的比较）
单个决策树、决策树集合的优缺点
- 适用于表格数据（结构化数据）。例如在房屋预测中，我们有房屋大小、卧室数量、楼层数量、房屋年龄等数据，这些数据可以存储在表格中，不论是连续的还是离散的都可以
- 不适用于非结构化数据。例如图片、视频、音频、文本，这些数据不能存储在表格中
- 训练速度快，可以让机器学习算法的迭代循环完成的更快
- 单个决策树和小型决策树集合可能是人类可以解释的
- 一次只能训练一个决策树
神经网络的优缺点
- 适用于所有类型的数据，包括表格数据（结构化数据）、非结构化数据
- 训练速度比决策树慢
- 可以与迁移学习一起使用
- 更容易将多个神经网络联合起来，组成一个大型的机器学习系统。原因：神经网络将输出Y作为可微函数，所以可以用梯度下降同时来训练它们
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/135692
推荐阅读
相关标签
