基于如此广泛的描述，我不会给出任何理由先验地做出选择。

相反，我会为 NN 和 SVM（或您正在考虑的任何其他）构建模型，在数据上训练它们，然后使用交叉验证和适合您问题的指标进行比较 - 例如准确度、F1 分数、AUROC或对数损失。如果您关心培训时间、所需计算资源量等成本，您可能还需要注意性能指标以外的特性。

经验可能会告诉您问题域中可能的最佳选择。例如，如果您正在对照片或扫描图像进行分类，那么目前卷积神经网络将是一个非常强大的候选者，因为这些网络一再证明自己是具有真实世界图像数据的最佳表现者。

SVM 是参数化的。参数模型是具有固定有限数量参数的东西，与数据集大小无关。任何不是参数模型的都是非参数模型。ANN 是非参数的。此外，ANN 具有“深层架构”，可以比 SVM 等“浅层架构”更有效地表示“智能”行为/功能等。ANN 可以有任意数量的输出，而支持向量机只有一个。