问有比神经网络更好的领域吗？

EN

贝叶斯方法经常使用的领域之一是需要预测系统的可解释性。你不想给医生一个神经网络，说它的准确率是95%。您更愿意解释您的方法所做的假设，以及该方法使用的决策过程。

类似的领域是当你有一个强大的先验领域知识，并希望在系统中使用它。

已经有很好的答案了。

我能想到并广泛从事的一个领域是客户分析领域。

我必须了解和预测客户的行动和动机，以便告知和警告客户支持、市场营销和成长团队。

因此，在这里，神经网络在预测流失等方面做得很好。但是，我发现并更喜欢贝叶斯网络风格，下面是选择它的原因：

1. 顾客总是有规律的。他们总是有采取行动的理由。这就是我的团队为他们做的事情，或者他们已经学会了自己。所以，每件事都有一个先验，事实上，这个理由是非常重要的，因为它为客户所做的大部分决定提供了动力。
2. 客户和营销/销售渠道中的增长团队的每一个举动都是因果关系。因此，在将潜在的领先地位转化为客户时，事先的知识是至关重要的。

因此，在客户分析中，先验概念是非常重要的，这就使得贝叶斯网络的概念对这一领域非常重要。

建议学习：

神经网络的贝叶斯方法

商业分析中的贝叶斯网络

贝叶斯网络在小数据集上可能优于神经网络。如果通过网络结构、先验和其他超参数对先验信息进行适当的管理，它可能比神经网络具有优势。神经网络，尤其是具有更多层的神经网络，是众所周知的渴求数据的网络。从定义上看，要正确地训练它们，就需要大量的数据。