生成模型和判别模型

于 2020-10-17 13:02:32 发布
阅读量97 收藏
点赞数 1
分类专栏： nlp
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_42721412/article/details/109131575
版权
本文对比了生成模型和判别模型。生成模型通过学习联合概率分布P(x,y)来推导条件概率，揭示数据生成的过程，需要大量数据。而判别模型直接学习条件概率P(y|x)，在较小样本量下也能表现良好。" 132518770,19673781,R语言实现单变量优化：网格搜索与黄金分割法,"['r语言', '开发语言', '数值优化']
摘要由CSDN通过智能技术生成

很好的总结

比较：

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。

知乎：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

cc 提升ing 变优秀ing
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
生成式模型 vs 判别式模型
Datawhale
11-22 1158
点击上方“Datawhale”，选择“星标”公众号第一时间获取价值内容生成式模型和判别式模型的概念是机器学习领域非常重要的基础知识，但能准确区分开二者并不是一件非常容易的...
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
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
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...
生成式模型和判别式模型的区别
Yaphat的博客
09-18 7189
区别：产生式模型(Generative Model)与判别式模型(Discrimitive Model)它们的区别在于：假设有样本输入值（或者观察值）x，类别标签（或者输出值）y判别式模型评估对象是最大化条件概率p(y|x)并直接对其建模，生成式模型评估对象是最大化联合概率p(x,y)并对其建模。其实两者的评估目标都是要得到最终的类别标签Y， 而Y=argmax p(y|x)，不同的是判别式模型直接
Generative model & discriminative model
道法自然
05-05 915
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
判别式模型和生成式模型的区别
01-07
这些模型的特点都是输入属性X可以直接得到Y（对于二分类任务来说，实际得到一个score，当score大于threshold时则为正类，否则为反类）~（根本原因个人认为是对于某示例X_1，对正例和反例的标记的条件概率之和等于1，...
ChatGPT技术的生成模型和判别模型对比.docx
最新发布
08-20
ChatGPT技术的使用教程、使用方法、使用技巧、使用注意事项、使用中常见问题
ChatGPT的生成模型和判别模型的区别与应用.docx
07-25
ChatGPT技术的使用教程、使用方法、使用技巧、使用注意事项、使用中常见问题
生成模型与判别模型1
08-03
在机器学习领域，生成模型与判别模型是两种主要的监督学习方法，它们各自有其独特的理论基础和应用场景。下面将详细阐述这两种模型的概念、优缺点，并通过具体例子和总结来帮助理解它们的区别。 首先，生成方法...
生成模型和判别模型的区别
张渊猛的博客
08-16 9556
先上结论 公式上看 生成模型： 学习时先得到 P(x,y)P(x,y)P(x,y)，继而得到 P(y|x)P(y|x)P(y|x)。预测时应用最大后验概率法（MAP）得到预测类别 yyy。 判别模型： 直接学习得到P(y|x)P(y|x)P(y|x)，利用MAP得到 yyy。或者直接学得一个映射函数 y=f(x)y=f(x)y = f(x)。 直观上看 生成模型： 关注数据是如何生成的 ...
生成模型（Generative Model）和 判别模型（Discriminative Model）
weixin_30502965的博客
09-04 514
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...
生成模型 VS 判别模型
This is bill的专属博客
10-23 385
监督学习方法又分生成方法（Generative approach）和判别方法（Discriminative approach），所学到的模型分别称为生成模型（Generative Model）和判别模（Discriminative Model)。 判别模型：由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。基本思想是有限样本条件下建立判别函数，不考虑样本的...
生成模型VS判别模型
qq_36854740的博客
08-25 303
监督学习方法可以分为生成方法和判别方法，所学习得到的模型分别为生成模型和判别模型。 生成模型定义 生成方法由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，即生成模型： 典型的生成模型有朴素贝叶斯，隐马尔可夫模型 生成模型为什么叫生成模型？ 因为模型表示了给定输入X和产生输出Y的生成关系，即联合概率分布P(X,Y)，拥有一组生成新数据的能力。 判别模型定义 判别方法由数据直接学习决策函数f(X)或者条件概...
通俗解释一下生成模型和判别模型
03-24
生成模型和判别模型是机器学习中的两种常见模型。生成模型是指通过学习数据的分布来生成新的数据，而判别模型则是通过学习输入和输出之间的关系来进行分类或预测。举个例子，对于图像识别任务，生成模型可以生成新的...
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