一分钟区别:判别模型与生成模型

站长亦新
站长亦新
站长亦新
81
文章
0
评论
2020年6月24日21:30:03 评论 216 557字阅读1分51秒

1. 直观理解

先给出最直观的理解:
【判别式模型】:要确定一个图片是猫还是狗,用判别模型的方法就是根据数据集X训练模,然后把新的图片输入到模型中,模型给出这个图片是每个类别的概率。
【生成式模型】:生成式模型是对原始数据集X和其标签Y建模,生成其联合概率。然后将新的图片放入是否是猫的模型中,看概率是多少;然后将新的图片放入是否是狗的模型中,看概率是多少。


2. 判别模型

判别模型的核心思想是:划分数据集。找出原始数据的判别边界,然后预测的时候,找出数据是属于边界的哪一边。

【相当于给出X,让模型告诉你Y】

判别模型比较常见:线性回归,SVM,神经网络,决策树。

3. 生成模型

生成模型可以理解为把类别,也当成一个特征。然后寻找【X,Y】的分布。

其实感觉生成模型有点点像是无监督学习,可以把标签当成一个特征,然后去学习特征与标签的联合分布P(X,Y)。然后预测的时候,(依然用上面的猫狗分类的例子),分别计算P(新的图片,猫)和P(新的图片,狗)的概率。

【相当于给出X和Y,让模型告诉你这个组合的概率】

常见的模型有:高斯混合模型,朴素贝叶斯模型。


喜欢的话请关注我们的微信公众号~【机器学习炼丹术】。

  • 公众号主要讲统计学,数据科学,机器学习,深度学习,以及一些参加Kaggle竞赛的经验。

微信搜索公众号:机器学习炼丹术。期待您的关注。
一分钟区别:判别模型与生成模型

weinxin
我的微信
微信扫一扫
站长亦新
  • 本文由 发表于 2020年6月24日21:30:03
  • 转载请务必保留本文链接:http://helloworld2020.net/509/
AI面试之SVM推导 机器学习

AI面试之SVM推导

SVM现在主流的有两个方法。一个是传统的推导,计算支持向量求解的方法,一个是近几年兴起的梯度下降的方法。 梯度下降方法的核心是使用了hinge loss作为损失函数,所以最近也有人提出的深度SVM其实...
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: