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