En mi opinión, si eres un principiante en el campo del aprendizaje automático, SVM sería más fácil para ti.
En primer lugar, la intuición detrás de SVM es un poco más clara que las redes neuronales.
Luego, puede comenzar a usar SVM incluso si no comprende completamente lo que está sucediendo en segundo plano y aún así obtiene resultados muy agradables. La percepción se desarrollará con el tiempo. Esto es un poco más difícil con NN.
- ¿Cuál es la lógica para verificar si dos árboles de búsqueda binarios son estructuralmente idénticos o no?
- Cómo implementar un algoritmo de equilibrio de carga personalizado aparte del algoritmo Round Robin predeterminado en mi Amazon Elastic Load Balancer usando Java SDK para AWS
- ¿Cómo podemos implementar el algoritmo de Prim rápidamente en los concursos de programación?
- ¿Qué son las estructuras de datos y por qué las usamos? ¿Cuál es su relación con los algoritmos?
- ¿Debería usar la función de clasificación () incorporada de C ++ para problemas en la programación competitiva, o debería implementar el algoritmo por mi cuenta?
Por último, hay muchas bibliotecas muy buenas y fáciles de usar, como LibSVM, que pueden ayudarlo a hacer que las cosas funcionen rápidamente. Si lo instala hoy, puede tener un clasificador SVM (o regresión) ejecutándose dentro de 3-4 días.
Permítanme agregar también que hay otros algoritmos que puede usar, como RVM (máquinas de vectores de relevancia), que es el análogo bayesiano de SVM.
¡Buena suerte!