判别式模型和生成式模型

最新推荐文章于 2024-10-11 12:02:37 发布
最新推荐文章于 2024-10-11 12:02:37 发布
阅读量168 收藏
点赞数
分类专栏： 计机器学习算法
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/qq_27089517/article/details/100731680
版权

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；
两者之间的关系
生成式模型更普适；判别式模型更直接，目标性更强
生成式模型关注数据是如何产生的，寻找的是数据分布模型；
判别式模型关注的数据的差异性，寻找的是分类面
由生成式模型可以产生判别式模型，但是由判别式模式没法形成生成式模型

多多写代码
关注
专栏目录
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。
什么是判别式模型和生成式模型
热门推荐
qq_41853758的博客
06-30 2万+
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型关注数据是...
【大模型理论篇】生成式模型与判别式模型对比(涉及VAE、CRF的数学原理详述)
源泉的小广场
08-19 1348
变分自编码、vae、variational auto-encoder、生成式模型、判别式模型、crf、条件随机场
什么是判别式模型？什么是生成式模型？
qq_37089829的博客
09-28 4759
判别方法：由数据直接学习决策函数，或者由条件分布概率作为预测模型的为判别模型。常见的判别模型有：线性回归、boosting、SVM、决策树、感知机、线性判别分析（LDA）、逻辑斯特回归等算法。 生成方法：由数据学习x和y的联合概率密度分布函数,然后通过贝叶斯公式求出条件概率分布作为预测的模型为生成模型。常见的生成模型有朴素贝叶斯、隐马尔可夫模型、高斯混合模型、文档主题生成模型（LDA）等。 回归问题常用的性能度量指标： 均方误差： 均方根误差： 和方误差： 平均绝对误差： 平均
生成/判别式模型
最新发布
aksjebdjj的博客
10-11 787
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。
生成式模型和判别式模型
weixin_41149572的博客
03-13 1352
判别式模型（Discriminative Model）是直接对条件概率p(y∣x;θ)p(y|x;θ)p(y∣x;θ)建模。常见的判别式模型有 线性回归模型、线性判别分析、支持向量机SVM、神经网络等。 生成式模型（Generative Model）则会对x和y的联合分布p(x,y)p(x,y)p(x,y)建模，然后通过贝叶斯公式来求得p(yi∣x)p(y_i|x)p(yi​∣x)，然后选取使得p(yi∣x)p(y_i|x)p(yi​∣x)最大的yiy_iyi​，即: 　　argmaxyp(y∣x)=arg
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
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...
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...
机器学习：生成式模型与判别式模型
Rookiekk
03-25 2957
监督学习的任务就是学习一个模型，应用这一模型，对给定的输入预测相应的输出。这个模型的一般形式为决策函数： 或者条件概率分布： 。 监督学习方法又分为生成方法和判别方法，对应生成式模型(Generative Model)与判别式模型(Discriminative...
生成式模型和判别式模型（通俗易懂）
qq_43703185的博客
08-06 9889
原文链接：https://blog.csdn.net/qq_14997473/article/details/85219353 决策函数Y=f(X)与条件概率分布P(Y|X) 决策函数Y=f(x)：输入一个x，它就输出一个y值，这个y与一个阈值比较，根据比较结果判定x属于哪个类别。 条件概率分布P(y|x)：输入一个x，它通过比较它属于
谈谈判别式模型与生成式模型
黄飞的博客专栏
04-06 7621
判别式模型与生成式模型是机器学习领域中的基本概念，今天将两者的特点总结一下，如下表所示： 对比 判别式模型 生成式模型 特点 寻找不同类别之间的最优分类面，反映异类数据之间的差异 以统计的角度表示数据的分布情况，能够反映同类数据本身的相似度 区别（假如输入特征x,类别标签y） 估计的是条件概率分布：P(y|x) 估计的是联合概率分布 P(x,y) 联系 由判
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
生成式模型 VS 判别式模型
U R MINE
07-05 1150
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;) ...
生成式模型和判别式模型(转)
微电子学与固体电子学-俞驰
12-28 1153
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...
判别式模型与生成式模型
myllxy
03-26 351
假设我们已有训练数据 (X,Y)，X 是属性集合，Y 是类别标记。这时来了一个新的样本 x ，我们想要预测它的类别 y 。 我们最终的目的是要求得最大的条件概率 P(y|x) 作为新样本的分类。 1.判别式模型这么做： 我们根据训练数据得到分类函数和分界面，比如说根据 SVM 模型得到了一个分界面，然后直接计算条件概率 P(y|x) ，我们将最大的 P(y|x) 作为新样本的分类。判别式模型不能...
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