生成算法最典型的是朴素贝叶斯算法,判别算法最典型的是逻辑回归算法。
生成算法与判别算法都是用于解决分类问题,但是解决的思路有点区别。
判别算法直接告诉我们某个样本被判断属于哪个类,生成算法告诉我们某个样本属于各个类别的概率,然后我们取概率最大的那个类别作为分类的结果。
下面结合具体的算法解释这两种思想的算法。
Naive Bayes(朴素贝叶斯)
可用来做二分类。
是一种生成学习算法。
logistical regression(逻辑回归)也是一个二类分类器,但是和Naive Bayes是两种不同的思路,思想非常不一样。
假设我们要在一群动物中区分蚂蚁和大象。
生成学习算法教我们用从训练数据中学习出蚂蚁长什么样子,大象长什么样子。
然后现在有一个动物,我们要判断它是哪一种,计算它更像哪一个就把它判断为哪一个物种。
写得有点混乱,希望以后能写得更清楚一点!