【AI】生成模型和判定模型

前言

对于分类模型，一般有三种建模方法：

1. 生成模型
2. 判定模型
3. 直接学习决策边界。（本文先不讲）

二者的区别

生成式模型：

• 举例：现在要判定一只羊是山羊还是绵羊，根据山羊的特征首先学习出一个山羊的模型A，然后根据绵羊的特征学习出一个绵羊的模型B，然后从这只羊中提取特征C，之后把C放到A、B里都跑一跑，看看概率，哪个大就是哪个。

判别式模型：

• 判别模型之所以称为“判别”模型，是因为其根据X“判别”Y；
• 要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。

总而言之：

• 判别式模型是根据一只羊的特征可以直接给出这只羊的概率（比如logistic regression，这概率大于0.5时则为正例，否则为反例），而生成式模型是要都试一试，最大的概率的那个就是最后结果~

维基百科上Generative案例：

假设有四个samples：