回覆列表
-
1 # 神采奕奕迤邐而行
-
2 # 手機使用者52832065861
一般來說，當一個實際問題在忽略掉一些次要因素後容易建立一個相對比較簡單的數學模型時，例如，可以用線性微分方程表示，這個問題比較適合用數學方程解決。如果不是線性微分方程也行，那你等於給數學家提出了一個問題，或許這個問題已經存在了很久，或許是新的。如果是後者，那麼恭喜你！如果連這個也不行的話，那麼資料分析就是一個不錯的選擇。
-
3 # 訊息小組147312590
我建議有什麼用什麼
不過當你什麼都沒有的時候，還是應該試著分析吧，可以得出一個解析式應該是極好的，除非你真的想輸一堆資料擬合一個函式。不過你一句處理問題，也太廣泛了。拿方程去解是處理，拿圖解是處理，根據資料找方程也是處理…
單純地用深度學習做統計分析的例子並和解方程放在一起做對比也許有點奇怪？
這個問題有點像求解析解和數值解。
我的理解是，如果有方法可以求解"解析解"的問題，用數學方程來解決會比較好。這裡"解析解"是廣義上的，就是說這類問題我們基本弄清楚了原理，可以列出方程，雖然這些方程或者方程組可能無法求解（比如偏微分方程），但可以透過大量的數學手段去逼近之類的。總的來說，我們對這類問題的原理和機制瞭解的比較透徹。
另一類問題，我們基本上對它們的原理和機制不瞭解，最多隻是定性的分析，這類問題求解基本上是透過模擬自然界的相關物件來進行的，比如神經網路，或者深度學習之類的。大多數情況下是對大腦工作原理的簡單模仿。
以上是個人理解，不一定正確。