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