神经网络和支持向量机的组合，用来搞分类和回归问题还挺有意思的，尤其是你面对小样本又想要高精度的时候，SVM 真的挺能打。

神经网络的优点是结构灵活、复杂模型也不费劲，比如上百个参数都能轻松搞定。但要说泛化能力强、数学基础扎实，那还是得看SVM，多时候还能当作是“升级版”的神经网络来用。

比如你想用 MATLAB 训练分类模型？直接上这份支持向量机分类与回归的代码，跑起来响应也快。想了解原理？看看这篇SVM 在统计学习理论中的革新，讲得通俗。

还有结合 SVM 原理训练 MLP 的新玩法，像支持向量神经网络这种方法，比较适合进阶用户。别忘了，还能试试基于 SVM 的真彩色图像分割，也是用 MATLAB，适合搞图像的你。

如果你是做回归任务的，那像多尺度集成极限学习机这类模型，也蛮实用的。图像、语音相关的，也有挺多现成资源，比如BP 神经网络搞语音分类。

你用的是 PyTorch？那就直接上线性回归和单层神经网络实践，代码清晰、上手也快。

，这一波资源比较适合搞机器学习基础建模的开发者，想快速上手，或者做点小项目原型，用起来还是挺香的。如果你正好要练手，不妨都看看，选一两个跑跑看。