生成式
- 就是生成 (数据的分布) 的模型
- 生成式求的是 (联合概率 即 P(X,Y) )
- 直接对 联合分布概率< P(X,Y) > 进行建模
- 常见生成式模型:隐马尔可夫模型HMM、朴素贝叶斯模型、高斯混合模型GMM等
- 关注数据是如何产生的,寻找的是数据分布模型
判别式
- 判别 (数据输出量) 的模型
- 判别式求的是 (后验概率 即 P(Y|X) )
- 直接对 条件概率< P(Y|X) > 进行建模
- 常见判别模型:线性回归、决策树、支持向量机SVM、k近邻、神经网络等
- 关注的数据的差异性,寻找的是分类面
异点
- 由生成式模型可以产生判别式模型
- <生成式 —> 判别式>
- 但是由判别式模式没法形成生成式模型
- <判别式 —<> 生成式>
同点
- 都是进行预测的模型
- 都是通过概率建立模型
- 都属于监督学习的模型
举个例子:
- 假如你的任务是识别一个语音属于哪种语言
- 对面一个人走过来,和你说了一句话
- 你需要识别出她说的到底是汉语、英语还是法语等。那么你可以有两种方法达到这个目的: