1. Ref: http://blog.csdn.net/zouxy09/article/details/8195017 讲的非常清晰了。http://www.cnblogs.com/lifegoesonitself/p/3437747.html ---进一步补充丰富理解,然后,知乎上有对应的问题答案,基本看完之后,可以形成对这个领域的基本认识。
2. 问题:自己在看的时候,纠结为什么naive bayesian 是生成模型,关键在于:自己太执泥于公式的条件概率表达,而应该注意的是,生成模型,更多的是关注,数据本征的特产,x如何产生了y而不是对应的x feature作为边界条件,找到对应的分界面,利用判别条件,来实现对应的功能。
3.总结一下:生成模型:利用数据的本征特点,概率分布,实现x,y之间的关系,可以是p(x,y)而判别模型,则是求y=f(x);p(y|x)这样的决策函数,来确定对应的输出output label到底是一个怎么样的情况,并且,在这样的基础上,实现对应的问题解决。
4.在学习,遇到问题的时候,学会从更本征的角度观察问题,这样可以让自己清晰地定义对应的问题,如何实现对应的更好解。比如这次在生成模型的理解上,就应该吸取教训,学会学习,发现自己在学习时候的缺点,并且,进一步不断地进行优化,以实现对应只是的掌握。