什么是判别式模型和生成式模型

最新推荐文章于 2024-03-23 16:22:49 发布
最新推荐文章于 2024-03-23 16:22:49 发布
阅读量2.2w 收藏 40
点赞数 20
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_41853758/article/details/80864072
版权
判别式模型 (Discriminative Model)：直接对条件概率p(y|x)进行建模，常见判
别模型有：线性回归、决策树、支持向量机SVM、k近邻、神经网络等；
 生成式模型 (Generative Model)：对联合分布概率p(x,y)进行建模，常见生成式
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；
生成式模型更普适；判别式模型更直接，目标性更强
生成式模型关注数据是如何产生的，寻找的是数据分布模型；判别式模型关注的
数据的差异性，寻找的是分类面
由生成式模型可以产生判别式模型，但是由判别式模式没法形成生成式模型

Paulzhao6518
关注
  • 20
    点赞
  • 踩
  • 40
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
49_判别式模型和生成式模型1
08-03
①性能相对于成式更简单，更容 ②适较多类别的识别 ③能清晰分辨出多类或类与其他 ①能于数据不完整的情况 ②研究单类问题判别式灵活 ③实际上带的东要判别式更丰富
生成模型（Generative）和判别模型（Discriminative）
热门推荐
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。...
机器学习中的判别式模型和生成式模型
weixin_40252835的博客
06-16 979
首发于人工智能写文章机器学习中的判别式模型和生成式模型Microstrong微信公众号：Microstrong，人工智能算法工程师已关注78 人赞同了该文章目录：基本概念用例子说明概念判别式模型和生成式模型的区别二者所包含的算法在机器学习中，对于有监督学习可以将其分为两类模型：判别式模型和生成式模型。简单地说，判别式模型是针对条件分布建模，而生成式模型则针对联合分布进行建模。1. 基本概念假设我们有训练数据(X,Y)，X是属性集合，Y是类别标记。这时来了一个新的样本，我们想要预测它的类别。我们最终的目的是
生成模型概述
weixin_43186779的博客
03-23 936
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。
第04课 概率图模型，生成式模型与判别式模型，贝叶斯网，马尔科夫链，隐马尔科夫模型HMM
02-10
33.第三十三套：机器读心术之文本挖掘与自然语言处理高级视频教程
混合生成式和判别式模型的图像自动标注
03-10
混合生成式和判别式模型的图像自动标注
什么是判别式模型？什么是生成式模型？
qq_37089829的博客
09-28 4612
判别方法：由数据直接学习决策函数，或者由条件分布概率作为预测模型的为判别模型。常见的判别模型有：线性回归、boosting、SVM、决策树、感知机、线性判别分析（LDA）、逻辑斯特回归等算法。 生成方法：由数据学习x和y的联合概率密度分布函数,然后通过贝叶斯公式求出条件概率分布作为预测的模型为生成模型。常见的生成模型有朴素贝叶斯、隐马尔可夫模型、高斯混合模型、文档主题生成模型（LDA）等。 回归问题常用的性能度量指标： 均方误差： 均方根误差： 和方误差： 平均绝对误差： 平均
生成式模型与判别式模型
weixin_46359306的博客
04-28 1895
生成式模型和判别式模型是机器学习中两种常见的模型类型。 生成式模型，又称概率模型，是指通过学习数据的分布来建立模型P(y|x)，然后利用该模型来生成新的数据。生成式模型的典型代表是朴素贝叶斯模型，该模型通过学习数据的分布来建立概率模型，然后利用该模型来生成新的数据。 判别式模型，又称非概率模型，是指通过学习输入和输出之间的映射关系来建立模型y=f(x)，然后利用该模型来预测新的输出。判别式模型的典型代表是支持向量机模型，该模型通过学习输入和输出之间的映射关系来建立分类模型，然后利用该模型来预测新的分类结果
生成式模型和判别式模型的区别
zhangt766的博客
06-16 8161
机器学习可以分为两大类：生成式模型（Generative Model）、判别式模型（Discriminative Model）。 现在有一堆球，颜色信息已知为绿色和黄色两种，有且仅有这两种颜色，这里，球的颜色为y（目标变量），坐标轴上位置为特征X。我们想要知道，如果在坐标轴的某一位置x新放入一个球，这个球会是什么颜色的？ 1.生成式模型的思想： 生成式模型使用的是联合概率P(X,Y)，若已知x（球的坐标位置信息），通过计算出P(X,Y)我们就可以知道球的颜色。 P(X,Y) = P(Y)*P(X|Y)，其中
【机器学习】判别式模型与生成式模型
小马日记
10-20 982
一、判别式模型与生成式模型简介 1、判别模型（Discriminative Model） 是直接对条件概率P(Y∣X;θ)\displaystyle P( Y|X;\theta )P(Y∣X;θ)建模。判别式方法关心的是给定输入XXX，应该预测什么样的输出YYY。 2、生成模型（Generative Model） 是对X和Y的联合概率分布P(X,Y)建模，然后通过贝叶斯公式求得P(yi∣x)\di...
7 判别式模型--机器学习基础理论入门
q339179198的博客
01-22 532
7 判别式模型–机器学习基础理论入门 7.1 判别式模型与生成模型的区别 判别式模型和生成模型的核心前置知识是判别式函数，其差异主要是对判别式函数的处理方式。一般来说，判别式模型和生成模型都是监督学习。 贝叶斯公式再谈 因为类先验的概率可以统计，所有类似然的概率是关键点。 生成模型的关注点 根据上课内容可知，自然现象大多满足正态分布，二项分布还是比较少的。如果已经假设类似然满足正态分布，那类似然函数也可以写出，接着判别式函数也可以写出，然后可以机进行计算，最后选择概率最大的类。 判别式模型的关注点
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了判别边界，所以传统的、耳熟能详的机器学习算法如线性回归模型、支持向量机SVM等都是判别式模型，这些模型的特点都是输入属性X可以直接得到Y（对于二分类任务来说，实际得到一个score，当score大于threshold时则为正类，否则为反类）~（根本原因个人认为是对于某示例X_1，对正例和反例的标记的条件概率之和等于1，即P(Y_1|X_1)+P(Y_2|X_1)=1）。 生成式模型
16. 谈谈判别式模型和生成式模型1
08-03
常见的判别模型有：K近邻、SVM、决策树、感知机、线性判别分析（LDA)、线性回归、逻辑回归、传统的神经网络、boosting、条件随常见的生成模型有：高斯、朴
产生式模型与判别式模型的比较分析
07-03
对比分析了分类器模型中产生式与判别式的区别与联系。
基于YOLOv5工地上安全帽佩戴的检测源码+训练好模型+数据集.zip
最新发布
04-24
YOLO高分设计资源源码，详情请查看资源内容中使用说明 YOLO高分设计资源源码，详情请查看资源内容中使用说明 YOLO高分设计资源源码，详情请查看资源内容中使用说明 YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明YOLO高分设计资源源码，详情请查看资源内容中使用说明
2011管理类联考199综合能力全国硕士研究生招生考试解析.pdf
04-24
考研管理类联考综合能力答案解析，考研真题，考研历年真题，考研管理类联考历年真题，真题解析。
NIUCLOUD-ADMIN 是一款快速开发SaaS通用管理系统后台框架.zip
04-24
springboot框架 一、Spring Boot基础应用 Spring Boot特征 概念： 约定优于配置，简单来说就是你所期待的配置与约定的配置一致，那么就可以不做任何配置，约定不符合期待时才需要对约定进行替换配置。 特征： 1. SpringBoot Starter：他将常用的依赖分组进行了整合，将其合并到一个依赖中，这样就可以一次性添加到项目的Maven或Gradle构建中。 2,使编码变得简单，SpringBoot采用 JavaConfig的方式对Spring进行配置，并且提供了大量的注解，极大的提高了工作效率，比如@Configuration和@bean注解结合，基于@Configuration完成类扫描，基于@bean注解把返回值注入IOC容器。 3.自动配置：SpringBoot的自动配置特性利用了Spring对条件化配置的支持，合理地推测应用所需的bean并自动化配置他们。 4.使部署变得简单，SpringBoot内置了三种Servlet容器，Tomcat，Jetty,undertow.我们只需要一个Java的运行环境就可以跑SpringBoot的项目了
2024-2030全球及中国冷冻有机毛豆行业研究及十五五规划分析报告.docx
04-24
2024-2030全球及中国冷冻有机毛豆行业研究及十五五规划分析报告
SpringBoo车险理赔源码.rar
04-24
SpringBoo车险理赔源码.rarSpringBoo车险理赔源码.rarSpringBoo车险理赔源码.rar
判别式模型和生成式模型
07-28
判别式模型和生成式模型是机器学习中两种常见的模型类型。生成式模型是通过学习数据的分布来建立模型P(y|x)，然后利用该模型来生成新的数据。典型的生成式模型有朴素贝叶斯模型，它通过学习数据的分布来建立概率模型，然后利用该模型来生成新的数据。判别式模型是通过学习输入和输出之间的映射关系来建立模型y=f(x)，然后利用该模型来预测新的输出。典型的判别式模型有支持向量机模型，它通过学习输入和输出之间的映射关系来建立分类模型，然后利用该模型来预测新的分类结果。生成式模型和判别式模型都有各自的优缺点，选择哪种模型取决于具体的应用场景和数据特征。常见的生成式模型包括决策树、朴素贝叶斯、隐马尔可夫模型、条件随机场、概率潜在语义分析、潜在狄利克雷分配、高斯混合模型。常见的判别式模型包括感知机、支持向量机、K临近、Adaboost、K均值、潜在语义分析、神经网络。逻辑回归既可以看做是生成式模型，也可以看做是判别式模型。\[1\]\[2\] #### 引用[.reference_title] - *1* *2* [生成式模型与判别式模型](https://blog.csdn.net/weixin_46359306/article/details/130422585)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [判别式模型与生成式模型](https://blog.csdn.net/Ai_ViVi/article/details/41204309)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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 2
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
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