生成模型和判别模型，自己看完资料后总结

1. Ref:  http://blog.csdn.net/zouxy09/article/details/8195017  讲的非常清晰了。http://www.cnblogs.com/lifegoesonitself/p/3437747.html ---进一步补充丰富理解，然后，知乎上有对应的问题答案，基本看完之后，可以形成对这个领域的基本认识。

2. 问题：自己在看的时候，纠结为什么naive bayesian 是生成模型，关键在于：自己太执泥于公式的条件概率表达，而应该注意的是，生成模型，更多的是关注，数据本征的特产，x如何产生了y而不是对应的x feature作为边界条件，找到对应的分界面，利用判别条件，来实现对应的功能。

3.总结一下：生成模型：利用数据的本征特点，概率分布，实现x,y之间的关系，可以是p(x,y)而判别模型，则是求y=f(x);p(y|x)这样的决策函数，来确定对应的输出output label到底是一个怎么样的情况，并且，在这样的基础上，实现对应的问题解决。

4.在学习，遇到问题的时候，学会从更本征的角度观察问题，这样可以让自己清晰地定义对应的问题，如何实现对应的更好解。比如这次在生成模型的理解上，就应该吸取教训，学会学习，发现自己在学习时候的缺点，并且，进一步不断地进行优化，以实现对应只是的掌握。