- 生成模型与判别模型的联系及区别
- 监督学习——学习一个模型
- 模型的一般形式
- 决策函数 Y=f(X)
- 条件概率分布: P(Y|X)
- 模型的一般形式
- 生成方法
- 由数据学习联合概率分布 P(Y,X) 作为预测的模型,即生成模型 P(Y|X)=P(Y,X)P(X)
- 模型表示了给定输入
X
,产生输出
Y 的生成关系 - examples
- 朴素贝叶斯、隐马尔科夫模型
- 判别方法
- 由数据直接学习决策函数 f(X) 或者条件概率分布 P(Y|X) 作为预测模型
- 比较关心:给定输入
X
,输出什么样的
Y - examples
- 感知机、决策树、logistic regression,最大熵,SVM,Adaboost,条件随机场
- 联系与区别
- 生成学习法
- 还原出联合概率分布 P(Y,X)
- 学习收敛速度快
- 样本容量增加时,模型快速收敛于真实的model
- 判别方法
- 直接学习的是 Y=f(X) 或 P(Y|X)
- 可以对数据进行各种程度上的抽象
- 定义特征并使用特征可以简化学习问题
- 生成学习法
- 监督学习——学习一个模型
生成模型(generative model)与判别模型(discriminate)的联系及区别
最新推荐文章于 2024-03-13 13:09:31 发布