判别模型和生成模型的区分

最新推荐文章于 2024-10-11 12:02:37 发布

Ninina1992

最新推荐文章于 2024-10-11 12:02:37 发布

阅读量158

点赞数

文章标签：数据结构与算法人工智能

原文链接：http://www.cnblogs.com/AcceptedLin/p/9779048.html

版权

判别模型：感知机，KNN，决策树，Logit回归与最大熵，SVM，Boosting，条件随机场；

生成模型：朴素贝叶斯，隐马尔可夫模型；

区分分类和标注：分类问题中可能的预测结果是二类或多类；而标注问题中可能的预测结果是所有的标记序列，其数目是指数级的。

转载于:https://www.cnblogs.com/AcceptedLin/p/9779048.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Ninina1992

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

关于判别模型和生成模型

松子茶的专栏

07-12

3251

简单的说，假设o是观察值，q是模型。如果对P(o|q)建模，就是Generative模型。其基本思想是首先建立样本的概率密度模型，再利用模型进行推理预测。要求已知样本无穷或尽可能的大限制。这种方法一般建立在统计力学和bayes理论的基础之上。如果对条件概率(后验概率) P(q|o)建模，就是Discrminative模型。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。代表性理论为统计学习理论。这两种方法目前交叉较多。

机器学习中的生成模型与判别模型

scott198512的博客

05-10

4283

机器学习生成模型与判别模型对比

参与评论您还未登录，请先登录后发表或查看评论

生成模型和判别模型的区别

张渊猛的博客

08-16

9655

先上结论公式上看生成模型：学习时先得到 P(x,y)P(x,y)P(x,y)，继而得到 P(y|x)P(y|x)P(y|x)。预测时应用最大后验概率法（MAP）得到预测类别 yyy。判别模型：直接学习得到P(y|x)P(y|x)P(y|x)，利用MAP得到 yyy。或者直接学得一个映射函数 y=f(x)y=f(x)y = f(x)。直观上看生成模型：关注数据是如何生成的 ...

判别模型(Discriminative model)和生成模型(Generative model)

Fishmemory的博客

06-19

2万+

说明生成算法和判别算法之间的区别。判别算法主要包括：SVM，逻辑回归等；生成算法主要包括：朴素贝叶斯，HMM等

判别模型和生成模型

cwchenwu88的专栏

08-30

1548

又是碰到了一些简单的基本概念，但是仔细想想发现自己没有理解透彻，Search一下，总结如下：【摘要】 - 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测 - 判别模型：有限样本==》判别函数 = 预测模型==》预测【简介】简单的说，假设o是观察值，

判别式模型和生成式模型

water的博客

02-18

231

生成式模型：高斯混合模型（GMM）；马尔科夫随机场（MRF）；隐马尔可夫模型（HMM）；线性判别分析（LDA）生成式模型：由数据学习联合概率分布，求解出其联合概率密度，然后再求出条件概率作为预测的模型。判别式模型：逻辑回归，SVM，随机森林、奇异值分解（SVD），PCA主成分分析等很多。判别式模型：直接对决策函数或者是条件概率进行建模；

AIGC实战——生成模型简介

热门推荐

盼小辉丶的博客

08-29

8万+

生成式人工智能是一种人工智能方法，旨在通过学习训练数据的分布模型来生成新的、原创的数据。人工智能生成内容 (Artificial Intelligence Generated Content, AIGC) 是生成式人工智能的一个具体应用和实现方式，是指利用人工智能技术生成各种形式的内容，如文字、图像、音频和视频等。本节将介绍生成模型基本概念，首先介绍生成模型的基本概念，然后，构建用于衡量生成模型性能的框架，并介绍一些重要的核心概念。然后，介绍当前主流的生成模型技术及其分类。

第11篇：深度学习中的生成模型与判别模型：比较与应用

Gemini的博客

07-04

186

在深度学习领域，生成模型和判别模型是两种主要的模型类型。生成模型旨在理解数据的分布并生成新的数据样本，而判别模型则侧重于分类和决策。本文将详细比较生成模型与判别模型，探讨它们的原理、应用场景和区别。通过深入讲解和生动的比喻，我们将帮助零基础读者更好地理解这些复杂的概念。

49_判别式模型和生成式模型1

08-03

典型的生成式模型包括朴素贝叶斯、隐马尔可夫模型（HMM）、高斯混合模型（GMM）以及文档主题生成模型（LDA）。生成式模型的优势在于它们可以捕捉数据的内在结构和相似性，即使在数据不完整的情况下也能进行预测。...

判别模型和生成模型总结

promisejia

03-07

549

区别判别模型：在有限样本的条件下建立判别函数，也就是最优分类面，实现分类（估计条件概率分布P（y|x））。判别模型：建立样本的联合概率，再利用模型进行推理预测，要求样本尽可能大（估计联合概率分布P（x，y））。常见模型判别模型：最大熵模型（ME），条件随机场（CRF），最大熵马尔可夫（MEMM），SVM 生成模型：朴素贝叶斯（NB），隐马尔可夫模型（HMM），LDA主题模型，高斯混合模型 ...

生成/判别式模型

最新发布

aksjebdjj的博客

10-11

790

特性生成式模型判别式模型学习目标联合分布 P(x,y)P(x,y)条件分布 $ P(y数据生成能力可以生成新数据无法生成新数据主要任务数据生成、密度估计、异常检测等分类、回归、序列标注等优势适合处理缺失数据、生成任务分类效果好，训练效率高劣势分类任务性能可能不佳，训练复杂无法生成数据，缺失数据处理能力较差典型模型朴素贝叶斯、GAN、VAE、HMM逻辑回归、SVM、神经网络。

生成模型 VS 判别模型

halxp的博客

12-01

413

生成模型与判别模型

cengjing12的博客

11-20

2882

1、定义从概率分布的角度考虑，对于一堆样本数据，每个均有特征XiX_iXi对应分类标记yiy_iyi。生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。(生成模型就是要学习x和y的联合概率分布P(x,y)P(x,y)P(x,y)，然后根据贝叶斯公式来求得条件概率P(y∣x)P(y|x)P(y∣x)，预测条件概率最大的y) 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。(判别模型就是直接学习条

判别模型和生成模型的区别

kyle1314608的博客

05-11

1594

20210511 生成联合深沉的河里的鲶鱼判别条件生成模型和判别模型的区别 1.监督学习分为生成模型和判别模型有监督机器学习方法可以分为生成方法和判别方法（常见的生成方法有混合高斯模型、朴素贝叶斯法和隐形马尔科夫模型等，常见的判别方法有SVM、LR等），生成方法学习出的是生成模型，判别方法学习出的是判别模型。 2.生成模型生成模型主要是求解联合概率密度，比如我们有数据集：（C，X），其中（c,x）表示其中一个样本，c为类别，x为特征。那么对于生成模型来说我们需要求解p(x,c)的联合概率密

生成模型和判别模型

酒酿小圆子呀～

06-27

1214

在机器学习中，一般将学习方式分为和方式。监督学习的任务就是从数据中学习一个模型，应用这一模型，对给定的输入X预测相应的输出Y。这个模型的一般形式为：决策函数Y=f(X)或者条件概率分布P(Y|X)。和。