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