生成模型和判别模型有哪些，统计，具体

最新推荐文章于 2024-06-27 10:00:00 发布
最新推荐文章于 2024-06-27 10:00:00 发布
阅读量9.2k 收藏 23
点赞数 7
分类专栏： 深度学习相关文献和理论
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_35290785/article/details/100705017
版权
本文介绍了生成模型和判别模型的基本概念。生成模型如朴素贝叶斯、混合高斯模型、HMM、贝叶斯网络等，它们学习数据的分布。判别模型包括KNN、线性回归、逻辑回归、神经网络、SVM等，这些模型直接预测输出。
摘要由CSDN通过智能技术生成

 

  • 生成模型，就是生成(数据的分布)的模型；
  • 判别模型，就是判别(数据输出量)的模型。

生成式模型：

  1. 朴素贝叶斯！
  2. 混合高斯模型！
  3. 隐马尔科夫模型(HMM)！
  4. 贝叶斯网络
  5. Sigmoid Belief Networks
  6. 马尔科夫随机场(Markov Random Fields)
  7. 深度信念网络(DBN)

判别式模型：

  1. K近邻(KNN)
  2. 线性回归(Linear Regression)
  3. 逻辑斯蒂回归(Logistic Regression)
  4. 神经网络(NN)
  5. 支持向量机(SVM)
  6. 高斯过程(Gaussian Process)
  7. 条件随机场(CRF)
  8. CART(Classification and Regression Tree)
贾世林jiashilin
关注
  • 7
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
常见的概率图模型中，哪些是生成式模型？哪些是判别式模型？
weixin_46687533的博客
01-21 379
假设可观测的变量集合为X，需要预测的变量集合为Y，其他的变量集合为Z。
生成模型和判别模型
weixin_42721412的博客
10-17 102
1.
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
热门推荐
zephyr_wang的博客
08-29 2万+
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
AIGC实战——生成模型简介
最新发布
Galaxy_0的博客
06-27 1056
0\. 前言1. 生成模型2. 生成模型与判别模型的区别* 2.1 模型对比2.2 条件生成模型2.3 生成模型的发展2.4 生成模型与人工智能3. 生成模型示例* 3.1 简单示例3.2 生成模型框架4. 表示学习5. 生成模型与概率论6. 生成模型分类小结系列链接生成式人工智能 (GAI是一种人工智能方法，旨在通过学习训练数据的分布模型来生成新的、原创的数据。人工智能生成内容 (AIGC。
生成式模型和判别式模型
weixin_41149572的博客
03-13 1297
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
生成式模型与判别式模型—大厂笔试汇总
brawly的博客
03-07 2585
文章目录一、习题二、总结 一、习题 1、以下属于生成式模型的是：（ C ） A、SVM B、随机森林 C、隐马尔可夫模型HMM D、逻辑回归 常见的生成式模型有 隐马尔可夫模型HMM、朴素贝叶斯模型、高斯混合模型GMM、LDA等 2、以下几种模型方法属于判别式模型的有==（ C ）== 1)混合高斯模型 2)条件随机场模型 3)区分度训练 4)隐马尔科夫模型 A、1,4 B、3,4 C、2,3 D、1,2 公式上看 生成模型： 学习时先得到 P(x,y)，继而得到 P(y|x)。预测时应用最大后验
常见的生成模型有哪些？
weixin_40551464的博客
01-09 1028
生成模型是深度学习领域的一类模型，它们的目标是学习如何生成数据的分布，从而能够生成新的、与真实数据类似的样本。GAN由两个部分组成：生成器（生成新数据）和判别器（区分真实数据和生成的数据）。这些模型通过条件概率分布逐像素生成图像，PixelRNN按行生成，PixelCNN则是同时考虑像素的上下文。VAE是一种基于贝叶斯推理的生成模型，它通过编码器将数据映射到潜在空间，然后通过解码器从潜在空间重构数据。应用：图像生成、艺术创作、数据增强、风格迁移等。应用：高质量图像生成、文本到图像生成等。
生成模型与判别模型
quintind的专栏
09-10 692
概念理解监督学习方法可分为两大类，即生成方法与判别方法，它们所学到的模型称为生成模型与判别模型。 判别模型：判别模型是学得一个分类面（即学得一个模型），该分类面可用来区分不同的数据分别属于哪一类； 生成模型：生成模型是学得各个类别各自的特征（即可看成学得多个模型），可用这些特征数据和要进行分类的数据进行比较，看新数据和学得的模型中哪个最相近，进而确定新数据属于哪一类。 举个例子：若分类目标是对图像中
我们真的明白生成模型和判别模型了吗？
01-07
今天补了一下机器学习的数学知识，突然又遇到了判别模型和生成模型这两个词语，之前学习统计学习方法的时候也遇到过，当时就模模糊糊的，如今再遇到，发现我还是没明白， 但这次哪有轻易再放过去之理？所以查了很多...
生成模型与判别模型1
08-03
在机器学习领域，生成模型与判别模型是两种主要的监督学习方法，它们各自有其独特的理论基础和应用场景。下面将详细阐述这两种模型的概念、优缺点，并通过具体例子和总结来帮助理解它们的区别。 首先，生成方法...
115页Slides带你领略深度生成模型全貌(带书签）
07-31
在统计生成模型中，我们通常需要处理的是数据加上学习生成模型以及先验知识，生成模型加上先验知识和优化算法，通过学习得到一个概率分布，再通过这个概率分布进行采样，就可以生成新的数据。 在生成模型中，还有...
数学模型中的判别分析
05-19
总结，判别分析是数学模型中一个重要的统计工具，它为理解和预测类别归属提供了强有力的手段。理解并熟练掌握判别分析的基本原理和应用，对于解决实际问题具有重要意义。在使用时，结合具体的数据特性和问题背景，...
chap-深度生成模型1
08-04
深度生成模型概率生成模型概率统计和机器学习中的一类重要模型指一系列用于随机生成可观测数据的模型。 概率生成模型是根据一些可观测的样本来学习一个参数化的模型pθ(x)来近似未知分布Pr(X)，并可以用这个模型来...
生成模型概述
weixin_43186779的博客
03-23 1763
生成模型是深度学习领域的一类模型，它们的目标是学习如何生成数据的分布，从而能够生成新的、与真实数据类似的样本。以下是一些主要的生成模型：生成对抗网络（GANs）:GAN由两个部分组成：生成器（生成新数据）和判别器（区分真实数据和生成的数据）。这两部分在训练过程中相互竞争，提高彼此的性能。应用：图像生成、艺术创作、数据增强、风格迁移等。自回归模型（Autoregressive Models）:如Transformer在自然语言处理领域的应用。这些模型预测序列中的下一个元素，基于前面的元素。
判别模型和生成模型
dally2的博客
03-31 1106
判别模型:(discriminative model)通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。 生成模型:（generative model）通过对观测值和标注数据计算联合概率分布P(x,y)来达到判定估算y的目的。 常见的判别模型有线性回归（Linear Regression）,逻辑回归（Logistic Regression）,支持向量机（SVM）, 传统神经网络（Trad...
常用的生成模型速览-VAE、Flow-based Model、Diffusion Model、GAN
m0_47005029的博客
04-06 1860
假设我们今天的图像生成任务是拿一段文字生成一张图，一张图所包含的信息是胜过千言万语的，而你输入的文字只不过是其中的一部分，所以说给一个句子生成的图像是有多种可能的。也就是输出是一个分布，在这个分布内的都可以说是正确答案今天的影像生成的模型都有一个共同的套路，并不是直接给一段文字就输出，而是有一个额外的输入，这个额外的输入的是从某一个distribution（简单的你长什么样的distribution）sample出来的一个向量（高维），如果我们把文字用y来描述，影像用x来描述，那么正确答案就可以写成p。
生成模型详解
weixin_43999137的博客
12-21 4427
AIGC 和 diffusion model进展
7种生成式Gen AI主流模型
weixin_44046260的博客
04-04 2262
生成器网络和判别器网络之间存在着一种对抗关系，生成器的目标是生成逼真的数据样本，而判别器的目标是尽可能地区分真实数据和伪造数据。在训练过程中，模型会学习到数据中的联合分布，然后根据已观测到的数据生成新的数据样本。在训练过程中，我们需要平衡生成器网络和判别器网络之间的对抗关系，以确保生成器能够生成逼真的数据样本，并且判别器能够准确地区分真实数据和伪造数据。VAEs 由一个编码器网络和一个解码器网络组成，编码器网络将输入数据映射到潜在空间中的概率分布，而解码器网络则从潜在空间中的分布中采样并生成数据样本。
常见生成式模型与判别式模型
weixin_33887443的博客
04-05 178
生成式模型 P(X,Y)对联合概率进行建模，从统计的角度表示数据的分布情况，刻画数据是如何生成的，收敛速度快。 • 1. 判别式分析 • 2. 朴素贝叶斯Native Bayes • 3. 混合高斯型Gaussians • 4. K近邻KNN • 5. 隐马尔科夫模型HMM • 6. 贝叶斯网络 • 7. sigmoid 信念网 • 8. 马尔科夫随机场Markov random fields •...
目前利用生成模型检测异常的模型有哪些？
05-13
利用生成模型检测异常的模型有很多，以下是一些常见的模型： 1. 自编码器（Autoencoder）：自编码器是一种无监督的神经网络模型，其目的是将输入数据压缩成一个低维度的表示，然后再将其解码回原始空间。如果输入数据包含异常值，自编码器则会在解码过程中产生大的重构误差，从而将异常值识别出来。 2. 生成对抗网络（GAN）：生成对抗网络是由两个神经网络组成的模型，一个生成器网络和一个判别器网络。生成器网络用于生成与训练数据相似的数据样本，而判别器网络则用于区分生成的样本和真实的样本。如果生成的样本被判别器网络认为是异常的，则说明原始数据中可能存在异常值。 3. 变分自编码器（VAE）：变分自编码器是一种生成模型，其目的是将输入数据映射到一个潜在空间中，并生成与输入数据相似的样本。与自编码器不同的是，变分自编码器可以在潜在空间中进行插值和操作，从而生成更多的样本。如果输入数据包含异常值，则插值和操作可能会生成与正常数据不同的样本，从而识别出异常值。 4. 隐马尔可夫模型（HMM）：隐马尔可夫模型是一种统计模型，用于建模由隐藏状态和可观察状态组成的序列数据。如果异常值可以被视为隐藏状态，则可以使用隐马尔可夫模型来识别异常值。 这些模型在异常检测领域都有广泛的应用，具体的模型选择取决于数据的特征和应用场景。
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

打赏作者

贾世林jiashilin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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