本文探讨了机器学习中的生成模型和判别模型，解释了它们的基本概念、区别，并通过实例进行阐述。生成模型学习x和y的联合概率分布P(x,y)，利用贝叶斯公式求条件概率P(y|x)；判别模型则直接学习条件概率P(y|x)。常见的生成模型包括HMM和朴素贝叶斯，判别模型如逻辑回归和SVM。在数据量小的情况下，选择模型需考虑其适用性。"
120629949,9863761,ESP32/ESP8266 添加HTTP身份验证到Web Service,"['物联网(IoT)', '嵌入式开发', 'ESP32开发', 'ESP8266开发', '网络编程']
本文为数据茶水间群友原创，经授权在本公众号发表。
关于作者：Milter，一名机器学习爱好者、NLP从业者、终生学习者，欢迎志同道合的朋友多多交流
0x00 前言
生成模型和判别模型是机器学习中两类基本的模型，在机器学习面试中，经常会被问到。能否清晰简明地说明二者的不同，直接影响到面试官对求职者基础知识掌握程度的判断。本文试图给出一个回答，希望大家多多指正。
最近，milter在进行算法工程师的面试，发现面试官特别钟爱生成模型和判别模型相关的问题，为了能够和面试官谈笑风生，milter精心整理了面试官可能问到的相关问题。
0x01 什么是生成模型和判别模型？
从本质上讲，生成模型和判别模型是解决分类问题的两类基本思路。首先，您得先了解，分类问题，就是给定一个数据x，要判断它对应的标签y（这么naive的东西都要解释下，求面试官此时内心的阴影面积，嘎嘎）。生成模型就是要学习x和y的联合概率分布P(x,y)，然后根据贝叶斯公式来求得条件概率P(y|x)，预测条件概率最大的y。贝叶斯公式这么简单的知识相信您也了解，我就不啰嗦了。判别模型就是直接学习条件概率分布P(y|x)。
这样政治正确的回答是必须要先说出来的，这都说不出来，面试肯定没戏了。但面试官可不是吃素的，为了判断你不是背的答案，他会继续提出下面的问题。
0x02 帅哥，举个栗子呗？
有一句名言说的好，没有什么问题是一个妹子例子解决不了的，如果有，那就两个！那我们就来举两个例子！
例子1
假设你从来没有见过大象和猫，连听都没有听过，这时，给你看了一张大象的照片和一张猫的照片。如下所示：
然后牵来我家的大象（面试官：你家开动物园的吗？），让你判断这是大象还是猫。你咋办？
你开始回想刚刚看过的照片，大概记起来，大象和猫比起来，有个长鼻子，而眼前这个家伙也有个长鼻子，所以，你兴奋地说：“这是大象！”恭喜你答对了！
你也有可能这样做，你努力回想刚才的两张照片，然后用笔把它们画在了纸上，拿着纸和我家的大象做比较，你发现，眼前的动物更像是大象。于是，你惊喜地宣布：“这玩意是大象！”恭喜你又答对了！
在这个问题中，第一个解决问题的思路就是判别模型，因为你只记住了大象和猫之间的不同之处。第二个解决问题的思路就是生成模型，因为你实际上学习了什么是大象，什么是猫。
例子2
来来来，看一下这四个形式为(x,y)的样本。(1,0), (1,0), (2,0), (2, 1）。假设，我们想从
最低0.47元/天 解锁文章
扫一扫
5587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
