随机森林优于神经网络的三个理由——对比机器学习和深度学习

全文共1716字，预计学习时长5分钟

来源：ijava

 

有证据显示神经网络优于许多领域的机器学习算法。后者不断学习，直到得出满足预测值的最佳功能集。

 

然而神经网络将变量放大成一系列的数字，一旦它完成了学习阶段，对我们来说，特征就变得无法区分了。

如果只考虑预测，神经网络就是一直使用的事实上的算法。但是在行业环境中需要模型，它可以为利益相关者赋予特性或变量意义。这些利益相关者可以是任何人，不只是懂深度学习或机器学习知识的人。

 

 

随机森林和神经网络最大的区别是什么？

 

随机森林和神经网络是不同的技术，学习方式不同，但可以在类似的领域使用。随机森林是机器学习的技术，而神经网络则是深度学习的技术。

 

 

什么是神经网络？

 

神经网络是计算模型网络，它大体上模拟了人类大脑皮层功能，可以复制出和人类一样的思维和感知方式。神经网络是由相互连接的节点组成的层次结构，这些节点包含计算网络输出的激活函数。