判别模型（Discriminative Model）

最新推荐文章于 2024-10-11 12:02:37 发布
最新推荐文章于 2024-10-11 12:02:37 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： 机器学习
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/weixin_39591549/article/details/113991027
版权
本文介绍了判别模型的基本概念，从生成模型出发详细推导了判别模型的权重和b表达式，训练过程采用逻辑回归，通过三步找到最佳函数。此外，还探讨了在多分类任务中如何使用判别模型，特别是softmax函数的应用。
摘要由CSDN通过智能技术生成

1. 基本概念

由生成模型推出，用特征的权重w_i和b表示的分类模型。

2. 推导过程

推导过程从生成模型出发，首先推出sigmoid函数，然后推出z的表达式，最后得出权重w_i和b的表达式。

3. 训练过程

使用了逻辑回归（Logistic Regression）进行训练。

主要分为三步骤：

Step 1: Function Set（选sigmoid函数），确定目标参数权重w_i和b。

最低0.47元/天 解锁文章
大黑山小马哥
关注
专栏目录
判别模型(Discriminative model)和生成模型(Generative model)
Fishmemory的博客
06-19 2万+
说明生成算法和判别算法之间的区别。判别算法主要包括：SVM，逻辑回归等；生成算法主要包括：朴素贝叶斯，HMM等
生成模型（generative model）和判别模型（discriminative model）
Daniel_djf的专栏
12-12 1万+
在看论文和机器学习教材的时候，经常会看到生成模型和判别模型，一致对着两个模型概念很模糊，在这里自己做一个小结。   在后面介绍这个两个模型时，我们以分类问题为例，以加深理解。我们都知道，分类问题可以分为两个阶段：推理阶段（inference stage）和决策阶段（decision stage）。 推理阶段：利用训练数据学习得到一个可以计算 的模型。 决策阶段：利用在推理阶段得到的后验概率
判别模型、生成模型与朴素贝叶斯方法【转】
weixin_30337157的博客
11-23 311
转载时请注明来源：http://www.cnblogs.com/jerrylead 1判别模型与生成模型 上篇报告中提到的回归模型是判别模型，也就是根据特征值来求结果的概率。形式化表示为，在参数确定的情况下，求解条件概率。通俗的解释为在给定特征后预测结果出现的概率。 比如说要确定一只羊是山羊还是绵羊，用判别模型的方法是先从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊...
概率生成模型（Generative Models）和概率判别模型（Discriminative Models）
蜡笔小晴
09-11 396
生成模型试图学习数据的分布，即数据是如何生成的。它们通过建模数据的联合概率分布来实现这一点。
生成模型与判别模型
热门推荐
zouxy09的专栏
11-17 12万+
生成模型与判别模型 zouxy09@qq.com http://blog.csdn.net/zouxy09        一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。   一、决策函数Y=f(X)或者条件概率分布P(Y|X)        监督学习的任务就是从数据中学习一个模型（也叫分
判别模型(Discriminative Model)和生成模型(Generative Model)
09-16 788
第一篇： Let's say you have input data x and you want to classify the data into labels y. A generative model learns the joint probability dis
什么是判别模型(Discriminative Model)和生成模型(Generative Model)
Waleking的专栏
07-27 1148
什么是判别模型(Discriminative Model)和生成模型(Generative Model)一个通俗易懂的解释，摘录如下：Let's say you have input data x and you want to classify the data into la
[Machine Learning] 生成模型 & 判别模型（Generative & Discriminative Model）
Oh_MyBug的博客
02-16 585
生成模型 概率生成模型，简称生成模型（Generative Model），是概率统计和机器学习中的一类重要模型，指一系列用于随即生成可观测数据的模型。 典型模型 高斯混合模型（Gaussian Mixed Model） 隐马尔科夫模型（Hidden Markov Model） 朴素贝叶斯分类器（Naive Bayes Classifier） 判别模型 在机器学习领域，判别模型是一种对未知数据y...
以下哪种方法属于判别式模型(discriminative model)（ ） A 隐马模型(HMM) B 朴素贝叶斯 C LDA D 支持向量机
06-01
D 支持向量机属于判别式模型(discriminative model)。 判别式模型是在给定一些输入特征的情况下，直接对输出进行建模，它们主要关注如何最好地对给定特征进行分类。而生成式模型则是通过对输入和输出的联合分布建模...
生成模型（Generative Model）和 判别模型（Discriminative Model）
weixin_30502965的博客
09-04 558
引入 监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。 监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative approach)。所学到的模型分别为生成模型(generative mode...
Discriminative Model and Generative Model
yuyuezijing的专栏
03-04 371
Discriminative Model and Generative Model
[机器学习] 线性分类 -- 判别模型
华北小龙虾的博客
05-30 300
这是因为逻辑回归是基于极大似然估计进行参数估计的，而在类别完全分离的情况下，似然函数可能不会收敛，导致估计的参数值非常大，从而影响模型的稳定性。这是因为 LDA 在建模时对数据分布有一定的假设（即每个类别的数据都服从正态分布，且各类别的数据具有相同的协方差矩阵），在满足这些假设的情况下，LDA 的表现通常会更好。这种情况下的决策边界是线性的，这也就是 LDA 的名字所来源。其中，n 是总的样本数，K 是类别的数量，n_k 是类别 k 的样本数，x_i 是第 i 个样本，y_i 是第 i 个样本的类别。
判别模型和生成模型
leadai的博客
05-11 1265
五月两场 | NVIDIA DLI 深度学习入门课程5月19日/5月26日一天密集式学习  快速带你入门阅读全文>正文共721个字，预计阅读时间3分钟。判别模型和生...
生成/判别式模型
最新发布
aksjebdjj的博客
10-11 776
特性生成式模型判别式模型学习目标联合分布 P(x,y)P(x,y)条件分布 $ P(y数据生成能力可以生成新数据无法生成新数据主要任务数据生成、密度估计、异常检测等分类、回归、序列标注等优势适合处理缺失数据、生成任务分类效果好，训练效率高劣势分类任务性能可能不佳，训练复杂无法生成数据，缺失数据处理能力较差典型模型朴素贝叶斯、GAN、VAE、HMM逻辑回归、SVM、神经网络。
Generative model & discriminative model
道法自然
05-05 940
转一篇有用的文章, 看了那么多blog上的介绍，还是这篇解释的最清楚：Generative Model 与 Discriminative Model 【摘要】    - 生成模型(Generative Model) ：无穷样本==》概率密度模型 = 产生模型==》预测    - 判别模型(Discriminative Model)：有限样本==》判别函数 = 预测模型==》预测【简介】简单
生成模型和判别模型(Generative model, Discriminative model)
Li Kang 笔记本
07-23 3717
监督学习的任务是学习一个模型，对给定的输入预测相应的输出。这个模型一般形式为决策函数Y=f(X)或者条件概率分布P(Y|X)。有一种分类就把模型分为：Generative Modeling （生成模型）和Discriminative Modeling （判别模型）两种。生成模型是由训练数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型。常见的生成模型有PCA，Kmeans，Naive Bayesian和HMM。
判别式模型（discriminative model） 和生成式模型（generative model）的区别
技术博客
08-30 5576
生成式模型(Generative Model)与判别式模型(Discrimitive Model)是机器学习中基础概念，在NLP和机器学习中经常会遇到这两种显著不同的模型，在学习阶段（训练阶段）和评估阶段（测试阶段）都有不同的表现，它们的区别在于： 对于输入x，类别标签y： 生成式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x)生成式模型可以根据贝叶斯公式得到判别式...
生成模型和判别模型
xiedelong的博客
08-11 300
假设你现在有一个分类问题，x是特征，y是类标记。 用生成模型学习一个联合概率分布P（x，y）， 而用判别模型学习一个条件概率分布P（y | x）。 生成模型，就是生成（数据的分布）的模型； 判别模型，就是判别（数据的label）的模型； 生成模型的处理过程会告诉你关于数据的一些统计信息（p(x | y) 分布等），如朴素贝叶斯可计算出，p(癌症, 肥胖 ) = x...
生成模型 VS 判别模型 （含义、区别、对应经典算法）
Taylover-Cam的博客
03-29 7万+
从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。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...
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