Neural network 为什么基于神经网络的分类器优于贝叶斯网络？

我正试图找到一种很好的分类方法来解决我的问题，即将数据值缺失、截断或错误的多个客户记录分类为不同的客户类别，即对一个或多个客户记录进行分类，并查看其是否属于同一客户或不同的客户。为什么我应该使用神经网络而不是贝叶斯网络？我的教授说神经网络是最好的方法。

这在很大程度上取决于你试图分类的数据类型。神经网络通常擅长处理连续数据，而贝叶斯网络则更适合处理离散数据。当然，连续数据可以通过放入存储桶来离散化，但这是您可能不需要的另一层复杂性

这两种方法（理论上）都能很好地处理丢失、截断和不正确的数据

---

我建议你问问你的教授，为什么他们认为神经网络是更好的方法。

谢谢。但是，如何才能确定这是一个什么样的问题空间呢？@Artika：不幸的是，这是最难的部分，也是你通过经验学到的东西。你需要在一系列问题上尝试一系列算法（或者阅读大量会议论文），看看哪些有效，哪些无效。正如我在回答中提到的，这里有一些一般性的指导原则，但最终很难提前知道哪种算法性能更好。谢谢Cameron。这仍然很有帮助。嗨，我还有一个疑问。如果我的输出只取两个值，即匹配值或不匹配值，那么哪个激活函数更有效？sigmoid还是purelin？@Artika:我不知道，对不起。我已经有几年没有做过很多神经网络的东西了。