机器学习系列问题(二):生成模型和判别模型

机器学习系列问题(二):生成模型和判别模型


一、简单理解

维基百科上Generative条目里面有个经典的案例:

假设有四个samples:

在这里插入图片描述
判别式模型的世界是这个样子:
在这里插入图片描述
在这里插入图片描述
生成式模型的世界是这个样子:
在这里插入图片描述
在这里插入图片描述

二、两者分别(个人理解)

生成模型是对条件概率分布P(y|x)进行建模;
判别模型是对联合概率分布P(x,y)进行建模;
两个模型都是要最大化后验概率分布,判别模型是直接对P(y|x)建模,而生成模型是对P(y|x)进行近似建模;

在这里插入图片描述
P(x)已知且为定值,一般都设为1;所以有:
在这里插入图片描述
以判断篮球和足球为例:
判别模型:直接从历史数据中学习,获得一个模型,测试时,通过样本特征直接判断篮球和足球的概率(一般大于0.5为正例,反之为负例)。常见的判别模型算法有:svm,线性回归,神经网络。判别模型训练要求的样本数量少,模型准确率相对较高。
生成模型:利用历史数据学习出两个模型,一个篮球模型,一个足球模型,测试时,把样本分别放到两个模型中,看哪个模型的概率大。常见的生成模型的算法有:朴素贝叶斯,隐马尔可夫模型。生成模型训练收敛速度快,可以计算边缘分布。


写的不好,如果有问题请及时指出,我会及时纠正。如果您认可我的文章,希望你能关注我的微信公众号,我会不定期更新工作中学到的东西和一些技术比较前沿的东西。
在这里插入图片描述

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

AI视觉Daily

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
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