生成模型、判别模型

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320 收藏 1
点赞数
分类专栏： ML 文章标签： 模型
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/sinat_27612639/article/details/51900532
版权

1、生成模型：
由数据学习联合概率分布，然后根据联合分布求得条件概率分布作为预测的模型
关心的是X和Y的生成关系
eg 朴素贝叶斯，HMM
2、判别方法：
由数据直接学习决策函数或者条件概率分布作为预测模型
关心的是给定X输出什么样的Y

eg 决策树，lr，svm

区别：存在隐变量的同时，仍然可以使用生成模型。
但是判别模型准确率更高因为直接学习的就是f

changtingwai58
关注
专栏目录
生成模型和判别模型有哪些，统计，具体
Jiashilin
09-10 9355
生成模型，就是生成(数据的分布)的模型； 判别模型，就是判别(数据输出量)的模型。 生成式模型： 朴素贝叶斯！ 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) 判别式模型： K近邻(KNN) 线性回归(Linear Regress...
机器学习中的生成模型与判别模型
scott198512的博客
05-10 4218
机器学习生成模型与判别模型对比
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
zephyr_wang的博客
08-29 2万+
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
常见的生成模型有哪些？
weixin_40551464的博客
01-09 1168
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。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）。这些模型通过条件概率分布逐像素生成图像，PixelRNN按行生成，PixelCNN则是同时考虑像素的上下文。VAE是一种基于贝叶斯推理的生成模型，它通过编码器将数据映射到潜在空间，然后通过解码器从潜在空间重构数据。应用：图像生成、艺术创作、数据增强、风格迁移等。应用：高质量图像生成、文本到图像生成等。
常用的生成模型速览-VAE、Flow-based Model、Diffusion Model、GAN
m0_47005029的博客
04-06 1931
假设我们今天的图像生成任务是拿一段文字生成一张图，一张图所包含的信息是胜过千言万语的，而你输入的文字只不过是其中的一部分，所以说给一个句子生成的图像是有多种可能的。也就是输出是一个分布，在这个分布内的都可以说是正确答案今天的影像生成的模型都有一个共同的套路，并不是直接给一段文字就输出，而是有一个额外的输入，这个额外的输入的是从某一个distribution（简单的你长什么样的distribution）sample出来的一个向量（高维），如果我们把文字用y来描述，影像用x来描述，那么正确答案就可以写成p。
常见的生成模型
wusecaiyun的专栏
11-04 1119
混合高斯模型和其他混合模型隐马尔可夫模型随机上下文无关文法朴素贝叶斯分类器AODE分类器潜在狄利克雷分配模型有限波尔兹曼机
我们真的明白生成模型和判别模型了吗？
01-07
今天补了一下机器学习的数学知识，突然又遇到了判别模型和生成模型这两个词语，之前学习统计学习方法的时候也遇到过，当时就模模糊糊的，如今再遇到，发现我还是没明白， 但这次哪有轻易再放过去之理？所以查了很多...
生成模型与判别模型的基础概念及其在机器学习中的应用对比
最新发布
09-24
内容概要：本文以两个拥有特殊技能的孩子为类比对象，介绍了监督学习中生成模型与判别模型的区别，并提供了这两个模型类型的数学背景以及各自的应用实例。文中还列出了常用的不同模型的分类，探讨了每种类型的具体...
AIGC实战——生成模型简介
热门推荐
盼小辉丶的博客
08-29 7万+
生成式人工智能是一种人工智能方法，旨在通过学习训练数据的分布模型来生成新的、原创的数据。人工智能生成内容 (Artificial Intelligence Generated Content, AIGC) 是生成式人工智能的一个具体应用和实现方式，是指利用人工智能技术生成各种形式的内容，如文字、图像、音频和视频等。本节将介绍生成模型基本概念，首先介绍生成模型的基本概念，然后，构建用于衡量生成模型性能的框架，并介绍一些重要的核心概念。然后，介绍当前主流的生成模型技术及其分类。
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...生成式模型
一文看尽所有生成式模型：9大类别21个模型全回顾！ DALL-E 2、Text-to-3D模型
人工智能曾小健
06-14 1307
相比其他方法主要是对像素进行采样，在参数空间的采样比在像素空间的采样要难得多，DreamFusion使用了一个可微的生成器，专注于创建从随机角度渲染图像的三维模型。最初的模型是使用监督学习下的微调来训练的，然后由人类来提供对话，在对话中他们互相扮演用户和人工智能助理，然后由人修正模型返回的回复，并用正确的答案帮助模型改进。VisualGPT最大的优点是它不需要像其他图像到文本模型那样多的数据，能够提高图像描述模型的数据效率，能够在小众领域得到应用或对少见的物体的进行描述。
生成模型、判别模型、朴素贝叶斯
u014096903的博客
12-21 336
https://www.cnblogs.com/ironstark/p/5277413.html http://www.cnblogs.com/jerrylead/archive/2011/03/05/1971903.html
生成模型和判别模型基本形式，有哪些
weixin_41529389的博客
10-14 212
添加链接描述
生成模型详解
weixin_43999137的博客
12-21 4594
AIGC 和 diffusion model进展
生成模型与判别模型
给我一点温度
07-13 275
从概率分布的角度考虑，对于一堆样本数据，每个均有特征对应分类标记 。 生成模型：学习得到联合概率分布 P(x,y)，即特征 x 和标记 y 共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。 判别模型：学习得到条件概率分布 P(y|x)，即在特征 x 出现的情况下标记 y 出现的概率。 数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。 两者的优缺点如下图，摘自知乎 生成模型：以统计学和 Bayes 作为理论基...
30 生成模型综述 Generative Model
cengjing12的博客
06-15 3114
1 生成模型的定义 前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节，主要讲述的是什么是生成模型，它是不是只是生成样本，生成数据？它的任务是什么？精准的定义是什么？ 这个问题实际上在之前的章节中有过详细的介绍。这里更进一步总结。回忆一下，之前讲过的简单的生成模型，包括高斯混合分布（GMM），GMM 的主要任务是聚类，属于非监督学习；而监督学习中的生成模型，最简单的有朴素贝叶斯模型，主要任务是分类。而Logistics regression 显然不是生 产模型，简单的
生成模型概述
weixin_43186779的博客
03-23 2004
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。
生成模型--综述2
wydbyxr的博客
10-29 1404
生成模型的本质   本质就是希望用一个我们知道的概率模型来拟合所给的数据样本，也就是说，我们得写出一个带参数 θ 的分布 qθ(x)。然而，我们的神经网络只是“万能函数拟合器”，却不是“万能分布拟合器”，也就是它原则上能拟合任意函数，但不能随意拟合一个概率分布，因为概率分布有“非负”和“归一化”的要求。这样一来，我们能直接写出来的只有离散型的分布，或者是连续型的高斯分布。 两种   1）自回归流 ...
cs231n——浅析三种生成模型
qq_41533576
08-15 2126
文章目录一、有监督学习和无监督学习有监督学习无监督学习二者对比二、生成模型什么是生成模型？为什么需要生成模型？生成模型的分类三、PixelRNN/CNNPixelRNNPixelCNN总结四、变分自编码器自编码器变分自编码器五、生成对抗网络（GANs）GAN总结总结 一、有监督学习和无监督学习 有监督学习 有监督学习在前面的学习中已经接触了一些，在这种模式下，我们拥有数据data和数据对应的标签label，有监督学习的目的是找到数据x与标签y之间的映射关系，标签的形式也是多样的。常见的有监督学习有以下几种
评论
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