两者代价函数形式相同，区别在于Generative需要对数据的分布进行假设（正态or其他），从而计算μ和Σ，再计算w和b，最后得到P（C1|x），而Discriminative直接根据最大似然函数梯度下降求得W和b
若data较少时（label有问题时），Generative可能较好（脑补），受data噪声影响较小
随着data增加，Discriminative的error会逐渐减少
本文探讨了生成式（Generative）和判别式（Discriminative）模型在数据稀缺和噪声环境下各自的优势。生成模型假设数据分布，适用于标签问题的场景；而判别模型直接优化似然，随着数据增多其误差减小。
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
