生成模型,判别模型

最新推荐文章于 2020-10-16 10:14:07 发布
最新推荐文章于 2020-10-16 10:14:07 发布
阅读量154 收藏
点赞数
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/89070853
版权

目录

 

区别：监督学习模型可分为生成模型与判别模型

优缺点

常见模型

区别：监督学习模型可分为生成模型与判别模型

  • 判别模型直接学习决策函数或者条件概率分布

    • 直观来说，判别模型学习的是类别之间的最优分隔面，反映的是不同类数据之间的差异

  • 生成模型学习的是联合概率分布P(X,Y)，然后根据条件概率公式计算 P(Y|X)

优缺点

  • 判别模型

    • 优点

      • 直接面对预测，往往学习的准确率更高

      • 由于直接学习 P(Y|X) 或 f(X)，可以对数据进行各种程度的抽象，定义特征并使用特征，以简化学习过程

    • 缺点<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
贾世林jiashilin
关注
  • 0
    点赞
  • 踩
  • 0
    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
生成模型（Generative）和判别模型（Discriminative）
weixin_39910711的博客
04-23 1万+
目录 1 决策函数Y=f(X)或者条件概率分布P(Y|X) 2 生成方法和判别方法 2.1生成方法 2.2判别方法 3 特点及对比 3.1 生成模型 3.2 判别模型 3.3 总结 4对于跟踪算法 1 决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数据中学习一个模型（也叫分类器），应用这一模型，对给定的输入X预测相应的输出Y。...
机器学习：生成模型和判别模型的区别
JacksonKim的博客
10-01 6836
一、名词解释 生成方法由数据学习联合概率风波P(X,Y)，然后求出条件概率分布P(Y|X)为预测的模型，即生成模型： P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)​ 这样的方法之所以称为生成方法，是因为模型表示了给定输入X产生输出Y的生成关系。典型的生成模型由朴素贝叶斯法和隐马尔可夫模型。 判别方法由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测模型，即判别模型。判别方法关心的是对给定的输入X，应该预测什么样的输出
生成模型与判别模型的区别与理解
xiaobaizaza_Ry的博客
10-16 1万+
一、判别方法与生成方法 监督学习方法可分为判别方法和生成方法。 判别方法（Discriminative approach） 由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。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。典型的判别模型包括k近邻，感知级，决策树，支持向量机等。 生成方法（Generative approach） 由数据学习联合概率密度分布P(X,Y)，然后由
【机器学习】基础 判别模型生成模型
wffzxyl的博客
04-16 353
- 概念区分及代表算法：两者均属于监督模型范畴，最直接的区分依据是，从给定的训练数据，学习到的目标概率分布不同。根据训练数据，生成模型，学习联合概率分布P(X,Y)。然后求出条件概率分布P(Y|X)作为预测模型。公式：P(Y|X)=P(X,Y)/P(X)。代表算法有：朴素贝叶斯，HMM等。通常只有一个模型，输入实例，得到结果。判别模型，学习条件概率分布P(Y|X)，或者直接学习判别决策函数f(X)...
生成模型与判别模型
热门推荐
zouxy09的专栏
11-17 12万+
生成模型与判别模型 zouxy09@qq.com http://blog.csdn.net/zouxy09        一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。   一、决策函数Y=f(X)或者条件概率分布P(Y|X)        监督学习的任务就是从数据中学习一个模型（也叫分
判别模型与生成模型
幸福诗歌的博客
01-30 296
根据特征值来求结果的概率。形式化表示为p(y|x; θ),在参数θ确定的情况下,求解条件概率p(y|x)。通俗的解释为在给定特征后预测结果出现的概率。比如说要确定一只羊是山羊还是绵羊,用判别模型的方法是先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。换一种思路,我们可以根据山羊的特征首先学习出一个山羊模型,然后根据绵羊的特征学习出一个绵羊模型。然后从这只
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
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-生成对抗网络.pdf
07-17
理解对抗网络，首先要了解生成模型和判别模型。判别模型比较好理解，就像分类一样， 有一个判别界限，通过这个判别界限去区分样本。理解了生成模型和判别模型后，再来理解对抗网络就很直接了，对抗网络只是提出了一 ...
生成模型与判别模型1
08-03
1. 生成方法和判别方法 2. 生成模型与判别模型的优缺点 3. 例子与总结
ImprovedGAN模型pytorch实现
最新发布
02-08
ImprovedGAN模型是生成对抗网络（Generative Adversarial Networks, GANs）的一种改进版本，其在原始GAN的基础上优化了训练...对于想要在人工智能领域，尤其是生成模型方向发展的人来说，这是一次非常有价值的实践。
判别模型(Discriminative model)和生成模型(Generative model)
Fishmemory的博客
06-19 2万+
说明生成算法和判别算法之间的区别。判别算法主要包括：SVM，逻辑回归等；生成算法主要包括：朴素贝叶斯，HMM等
Generative model & discriminative model
道法自然
05-05 912
转一篇有用的文章, 看了那么多blog上的介绍，还是这篇解释的最清楚：Generative Model 与 Discriminative Model 【摘要】    - 生成模型(Generative Model) ：无穷样本==》概率密度模型 = 产生模型==》预测    - 判别模型(Discriminative Model)：有限样本==》判别函数 = 预测模型==》预测【简介】简单
生成模型 VS 判别模型 （含义、区别、对应经典算法）
Taylover-Cam的博客
03-29 7万+
从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。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。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。数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。两者的优缺点如下图...
生成模型和判别模型
此心安处是吾乡
08-08 314
摘自李航《统计学习方法》监督学习的任务学习一个模型，应用这一模型，对给定的输入预测相应的输出。 这个模型一般的形式为决策函数： Y=f(X) 或者条件概率分布： P(Y|X) 监督学习的方法又可以分为：生成方法和判别方法。所学到的模型又称为生成模型和判别模型生成学习方法定义由数据学习联合概率分布P(X,Y)【通常是通过P(X,Y)=P(X|Y)P(X)】,然后求出条件概率分布P(Y|X)作
【机器学习】判别模型和生成模型
weixin_34081595的博客
06-19 258
  判别式模型（discriminative model） 产生式模型（generative model）   特点 寻找不同类别之间的最优分类面，反映的是异类数据之间的差异 对后验概率建模，从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(假定输入x, 类别标签y) 估计的是条件概率...
生成算法与判别算法
金字塔上的蜗牛的专栏
06-26 2375
Naive Bayes（朴素贝叶斯） 可用来做二分类。 是一种生成学习算法。 logistical regression也是一个二类分类器，但是和Naive Bayes是两种不同的思路，思想非常不一样。 假设我们要在一群动物中区分蚂蚁和大象。 生成学习算法教我们用从训练数据中学习出蚂蚁长什么样子，大象长什么样子。 然后现在有一个动物，我们要判断它是哪一种，计算它更像哪一个就把它判断为哪
回归三大评价指标均方误差（MSE）：均方根误差（RMSE）平均绝对误差（MAE）平均绝对百分比误差 MAPE
Jiashilin
08-19 7万+
对于回归预测结果，通常会有平均绝对误差、平均绝对百分比误差、均方误差等多个指标进行评价。这里，我们先介绍最常用的3个 目录 平均绝对误差（MAE） 均方误差（MSE）：均方根误差（RMSE）​ 平均绝对百分比误差 MAPE 平均绝对误差（MAE） MAE 的值越小，说明预测模型拥有更好的精确度。The MAE is used to measure the average abso...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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