监督学习模型分类 生成模型vs判别模型 概率模型vs非概率模型 参数模型vs非参数模型...

判别模型(discriminative model)和生成模型(generative model):预测后验概率还是联合概率

  • 判别模型:

  直接对输入空间到输出空间的映射h(x)做预测,或者直接对条件概率分布P(y|x)做预测

  PM,SVM,NN,KNN,LR,DT

  模型一般更准确

  不需要预设条件

  鲁棒性更高

  • 生成模型:

  先对概率分布P(x,y)做预测,根据贝叶斯公式得到P(y|x)

  GDA,NB,HMM

  收敛速度一般更快

  可以训练包含隐变量的模型

  需要假设的先验分布

  可以还原出联合概率分布P(x,y)

  可以还原出判别模型,但反过来不行

概率模型(probability model)和非概率模型(nonprobability model):预测概率还是预测映射

  • 非概率模型:

  直接对输入空间到输出空间的映射h(x)做预测

  PM,SVM,NN,KNN

  • 概率模型:

  对条件概率分布P(y|x)做预测

  LR,DT,GDA,NB,HMM

参数模型(parametric model)和非参数模型(nonparametric model):模型由训练数据本身构成还是模型参数构成

  • 参数模型:

  模型中包含若干参数,训练完成则训练数据无用,根据模型参数预测结果

  LR,PM,GDA,NB,简单NN,HMM

  需要训练数据较少,训练较快

  需要假设空间与实际映射空间吻合

  模型容易理解

  不适合实际映射隐藏的情况

  • 非参数模型:

  模型由训练数据本身构成

  SVM,KNN,DT

  需要训练数据较多,训练较慢

  不需要假定假设空间,如果训练集无限大可以无限逼近实际映射

  训练集小时容易过拟合

  预测性能高

 

 

参考文献:

https://blog.csdn.net/qq_39521554/article/details/79134274

https://blog.csdn.net/pandamax/article/details/78636834

https://www.cnblogs.com/zeze/p/7047630.html

 

转载于:https://www.cnblogs.com/jhc888007/p/9536972.html

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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