机器学习——生成模型与判别模型 知识点总结

本文总结了生成模型与判别模型的区别。生成模型关注数据的联合分布,利用贝叶斯公式计算后验概率,适用于有隐变量的情况,但不关心类别边界。判别模型直接建模条件概率,寻找最优分类边界,准确率高,但不反映数据特性。常见的生成模型如朴素贝叶斯,判别模型如SVM、LR。生成模型在样本量增加时收敛快,判别模型如Logistic回归预测准确率高。
摘要由CSDN通过智能技术生成
通俗的解释:
1)生成模型 (先对数据的联合分布建模,再通过贝叶斯公式计算样本属于各个类别的后验概率) 由数据学习联合概率p(x,y),然后求出后验概率p(y|x)作为预测的模型,即:P(y|x)=p(x,y)/p(x)。
特点:可以从统计的角度表示数据的分布情况,能反映同类数据本身的相似度。但
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