生成式模型VS判别式模型

最新推荐文章于 2024-06-22 07:36:25 发布
最新推荐文章于 2024-06-22 07:36:25 发布
阅读量466 收藏
点赞数
文章标签： 生成式模型 机器学习 判别式模型
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ligaofei521/article/details/88183441
版权

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：

***1. ***对于输入x，类别标签y：
判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数Y=f(X),要么是条件分布P(Y|X)。但是生成方法，也就是直接找出特征输出Y和特征X的联合分布P(X,Y),然后用P(Y|X)=P(X,Y)/P(X)得出。

2. 模型对比
在这里插入图片描述

ligaofei521
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
生成式模型、判别式模型的区别？
Jiashilin
05-16 8706
生成式模型、判别式模型的区别？ ​ 对于机器学习模型，我们可以根据模型对数据的建模方式将模型分为两大类，生成式模型和判别式模型。如果我们要训练一个关于猫狗分类的模型， 对于判别式模型，只需要学习二者差异即可。比如说猫的体型会比狗小一点。 而生成式模型则不一样，需要学习猫张什么样，狗张什么样。有了二者的长相以后，再根据长相去区分。 具体而言： 生成式模型：由数据学习联合概率分布P(X,Y...
49_判别式模型和生成式模型1
08-03
判别式模型和生成式模型是机器学习领域中的两种核心模型，它们在处理问题的方式上有着本质的区别。本文将深入探讨这两种模型的概念、特点、优缺点以及常见的应用场景。 首先，让我们明确两者的定义。判别式模型直接...
生成式模型和判别式模型的区别
Yaphat的博客
09-18 7200
区别：产生式模型(Generative Model)与判别式模型(Discrimitive Model)它们的区别在于：假设有样本输入值（或者观察值）x，类别标签（或者输出值）y判别式模型评估对象是最大化条件概率p(y|x)并直接对其建模，生成式模型评估对象是最大化联合概率p(x,y)并对其建模。其实两者的评估目标都是要得到最终的类别标签Y， 而Y=argmax p(y|x)，不同的是判别式模型直接
判别式模型 vs 生成式模型
最新发布
pumpkin84514的博客
06-22 1280
判别式模型专注于区分类别。它们学习如何根据输入信息来区分不同的类别。类比想象你是一个面试官，你的任务是根据候选人的表现来判断他们是否适合某个职位。你关注的不是候选人从哪里来，而是他们是否符合你的要求。这就是判别式模型在做的事情——根据输入信息判断类别。生成式模型不仅仅是区分类别，它们还能生成新数据，就像一位魔术师，可以凭空变出新的东西。类比想象你是一位艺术家，你不仅能判断一幅画是印象派还是写实派，还能自己创作出一幅新画。生成式模型就是这样，它们不仅能理解数据，还能生成与原始数据相似的新数据。判别式模型。
判别式模型与生成式模型
热门推荐
wolenski的专栏
09-16 4万+
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) 产生式模型可以根据贝叶斯公式得到判别式模型，但反过来不行。 Andrew Ng在NIPS2001
生成式模型 VS 判别式模型
U R MINE
07-05 1090
1 定义1.1 生成式模型            生成式模型（Generative Model）会对x和y的联合分布p(x,y)建模，然后通过贝叶斯公式来求得 p(yi|x)，然后选取使得p(yi|x) 最大的 yi，即：        简单说生成式模型就是生成数据分布的模型。将求联合分布的问题转为了求类别先验概率和类别条件概率的问题。1.2 判别式模型        对条件概率 p(y|x;) ...
生成式模型 vs 判别式模型
jzwei023的博客
03-07 146
对于样本x，预测其类别y，即计算 p(y|x) ，简单来说 生成式模型：是对联合概率 p(x,y) 进行建模，然后利用贝叶斯公式 p(y|x) = p(x,y) / p(x) 进行计算 朴素贝叶斯 混合高斯模型 隐马尔科夫模型(HMM) 贝叶斯网络 Sigmoid Belief Networks 马尔科夫随机场(Markov Random Fields) 深度信念网络(DBN) 判别式模型：直接对条件概率 p(y|x) 建模 K近邻（KNN） 线性回归(Linear Regression) 逻辑斯蒂
判别式模型和生成式模型的区别
01-07
其实机器学习的任务是从属性X预测标记Y，即求概率P(Y|X)。 判别式模型 对于判别式模型来说求得P(Y|X)，对未见示例X，根据P(Y|X)可以求得标记Y，即可以直接判别出来，如上图的左边所示，实际是就是直接得到...生成式模型
16. 谈谈判别式模型和生成式模型1
08-03
两种主要的模型类型是判别式模型和生成式模型，它们有着不同的工作原理和应用场景。这里，我们将深入探讨这两种模型的理论基础，常见应用以及它们之间的差异。 **判别式模型**： 判别式模型直接学习的是输入特征与...
产生式模型与判别式模型的比较分析
07-03
然而，反方向转换通常是不可能的，因为判别式模型不提供足够的信息来完全恢复数据的生成过程。 在实际应用中，选择产生式还是判别式模型取决于具体任务的需求和数据特性。对于数据分布简单且符合特定概率模型的场景...
关于生成式模型与判别式模型
qq_34993631的博客
01-18 699
判别式模型是 假设Model 规定lose function 然后使用algorithm 使得lose function 最小化就会得到Model的参数。 也就是直接从数据集中得到决策边界。 生成式模型是 使用已有的数据集得到特征的分布。一个Label下的分布，比如已知鳕鱼的条件下它的长与宽的分布。（这一步也就有了探究是怎样的特征分布造就了鳕鱼。探究物质生成的原因。） 当新的物体进来之后使用Bayes公式将特征参数带入分布中（已知特征的情况下是XX鱼的概率），得到哪一个Label（鱼.
生成式模型与判别式模型
weixin_46359306的博客
04-28 2277
生成式模型和判别式模型是机器学习中两种常见的模型类型。 生成式模型，又称概率模型，是指通过学习数据的分布来建立模型P(y|x)，然后利用该模型来生成新的数据。生成式模型的典型代表是朴素贝叶斯模型，该模型通过学习数据的分布来建立概率模型，然后利用该模型来生成新的数据。 判别式模型，又称非概率模型，是指通过学习输入和输出之间的映射关系来建立模型y=f(x)，然后利用该模型来预测新的输出。判别式模型的典型代表是支持向量机模型，该模型通过学习输入和输出之间的映射关系来建立分类模型，然后利用该模型来预测新的分类结果
生成式模型和判别式模型
→★佐佑思维★←
08-27 880
在机器学习中，模型可以分为两种：判别模型和生成模型。
生成式模型和判别式模型(转)
微电子学与固体电子学-俞驰
12-28 1140
判别式模型(Discriminative Model)：直接对条件概率p(y|x)进行建模，常见判 别模型有：线性回归、决策树、支持向量机SVM、k近邻、神经网络等； 生成式模型(Generative Model)：对联合分布概率p(x,y)进行建模，常见生成式 模型有：隐马尔可夫模型HMM、朴素贝叶斯模型、高斯混合模型GMM、LDA 等； 生成式模型更普适；判别式模型更直接，目标性更强 生成式模...
生成式模型和判别式模型区别
laosao_66的博客
09-22 1036
当存在隐变量（当我们找不到引起某一现象的原因的时候，我们就把这个在起作用但是无法确定的因素，叫“隐变量”） 时，仍可以利用生成方法学习，此时判别方法不能用。监督学习的任务就是从数据中学习一个模型，并用基于这个模型对给定的输入预测相应的输出。，然后从待识别的羊中提取特征 x，然后带入到模型中以判断这只羊是绵羊和山羊概率（比如 LR 中，结果大于 0.5 为正例，小于 0.5 为反例）。学习和计算过程比较复杂，由于学习了更多的样本信息，所以计算量大，如果我们只是做分类，就浪费了这部分的计算量；
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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