机器学习之判别式模型和生成式模型

判别式模型与生成式模型的区别

产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念,它们的区别在于:

对于输入x,类别标签y:
产生式模型估计它们的联合概率分布P(x,y)
判别式模型估计条件概率分布P(y|x)

判别式模型常见的主要有:

    Logistic Regression

    SVM

    Traditional Neural Networks

    Nearest Neighbor

    CRF

    Linear Discriminant Analysis

    Boosting

    Linear Regression

产生式模型常见的主要有:

              Gaussians

              Naive Bayes

              Mixtures of Multinomials

              Mixtures of Gaussians

              Mixtures of Experts

              HMMs

        Sigmoidal Belief Networks, Bayesian Networks

        Markov Random Fields

        Latent Dirichlet Allocation

两个模型的对比

生成式模型:

解释输入;
如果我们从概率模型中随机抽样,我们可以生成可能的观测数据样本

判别式模型:

做决策;
只是预测类标签(没有推论阶段)

生成模型会学习数据的分布;判别模型学习的是不同类型数据之间的区别,不学习数据内部特点。在分类问题上,判别模型会优于生成模型。 
判别模型求解的思路是:条件分布——>模型参数后验概率最大——->(似然函数*参数先验)最大——->最大似然 
生成模型的求解思路是:联合分布——->求解类别先验概率和类别条件概率 

参考:https://blog.csdn.net/wolenski/article/details/7985426

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值