随机森林和神经网络有什么区别？

随机森林和神经网络这两种广泛使用的机器学习算法有什么区别呢？我们什么时候应该使用神经网络，什么时候又应该使用随机森林？随机森林与神经网络哪个更好？这是一个常见问题，答案其实也非常简单：视情况而定。（调皮）一起来看看何时使用随机森林好以及何时使用神经网络好。

前言

首先，随机森林（RF）和神经网络（NN）是不同类型的算法。 RF是决策树的集合，在集合中，每个决策树处理样本并预测输出标签（在分类的情况下）。集合中的决策树是独立的，每个人都可以预测最终的反应。神经网络是连接神经元的网络。没有其他神经元，神经元就无法运作 - 它们是相互连接的。通常，它们按层分组并处理每层中的数据并传递给下一层，最后一层神经元负责做决定。

随机森林只能使用表格数据。（什么是表格数据？它是表格格式的数据）。另一方面，神经网络可以使用许多不同的数据类型：

• 表格数据
• 图像
• 音频数据
• 文本数据 - 可以在预处理后由NN处理，例如使用词袋。理论上，RF也可以处理这些数据，但在实际应用中，经过这样