机器学习中的判别式模型和生成模型的区分

机器学习中的判别式模型和生成模型的区别

1 判别式模型和生成模型的定义

1.1 判别式模型

判别式模型会直接对特征和标签的分布进行建模，通过建立的模型直接求解当前数据的label。

1.2 生成模型

生成模型首先对特征和标签的联合分布进行建模，然后通过贝叶斯求解出特征和标签的概率分布。生成模型中一般有多个模型结构，特征被送入模型后会经过多个模型的计算，然后比较计算结果，最终给出所求概率最大的标签结果。

2 两者的区别

判别式模型

3 各模型包含的算法

3.1 判别式模型

• 线性回归(Linear Regression)
• 逻辑斯蒂回归(Logistic Regression)
• 神经网络(NN)
• 支持向量机(SVM)
• 高斯过程(Gaussian Process)
• 条件随机场(CRF)
• CART(Classification and Regression Tree)

3.2 生成模型

• 朴素贝叶斯
• K近邻(KNN)
• 混合高斯模型
• 隐马尔科夫模型(HMM)
• 贝叶斯网络
• Sigmoid Belief Networks
• 马尔科夫随机场(Markov Random Fields)
• 深度信念网络(DBN)

参考：

• https://www.cnblogs.com/kemaswill/p/3427422.html
• https://blog.csdn.net/u013630349/article/details/47146425