关于GM和DM的解释

From:   Machine Learning: A Probabilistic Perspective

1. 生成模型（GM）：本质上是估计p(x,y)这个联合概率

         或者说，先通过p(y=c)选择第c类，然后用第c类的类条件概率p(x|y=c)来生成数据。

         可以通过这种方式抽样出1000个数据点，也就是根据p(x,y)来生成样本数据（可参考混合高斯分布）。

         当然也可以通过(2.13)对新的输入样本进行判别

2. 判别模型（DM）：直接通过后验概率p(y=c|x) 来判断

         如果 p(y=c1|x) > p(y=c2|x)，则认为新的输入样本x属于c1类

 

更详细的比较可以参考：Discriminative Modeling vs Generative Modeling