生成模型和判別模型

監督學習的結果是得到乙個分類或**模型，應用該模型可以對給定輸入

x 得到相應的輸出

y,即：y=

f(x)

或者p(

y|x)

(根據不

同類對應

的後驗概

率判斷所

屬類別)

根據模型是否表示了x 到

y的生成過程將模型分為兩種，生成方式、判別方式。

生成模型p(

y|x)

=p(x

,y)p

(x)

如樸素貝葉斯法、隱馬爾科夫模型

判別模型直接由輸入資料

x 學習判別函式f(

x)或條件概率p(

y|x)

.如決策樹、k近鄰。。。

注：dbn、基於denoise autoencoder的模型預訓練都是生成式的，逐層bp、貪婪式的逐層bp預訓練都是判別式的。

生成模型和判別模型

我的理解 生成模型相當統計全國男女比例，判別模型相當於抽樣分析乙個省的男女比例作為全國男女比例 假設你現在有乙個分類問題，x是特徵，y是類標記。用生成模型學習乙個聯合概率分布p x，y 而用判別模型學習乙個條件概率分布p y x 用乙個簡單的例子來說明這個這個問題。假設x就是兩個 1或2 y有兩類 ...

生成模型和判別模型

監督學習的任務就是學習乙個模型，應用這一模型，對給定的輸入 相應的輸出，這一模型的一般形式為決策函式 y f x 或者條件概率分布 p y x 監督學習方法有可以分為生成方法和判別方法，所學到的模型分別稱為生成模型和判別模型 生成方法由資料學習聯合分布概率p x,y 然後求出條件概率分布p y x ...

生成模型和判別模型

監督學習的任務是學習乙個模型，應用這一模型，對於給定的輸入 相應的輸出。這個模型的一般形式為決策函式 y f x y f x y f x 或者為條件概率分布 p y x p y x p y x 監督學習方法又可以分成生成方法和判別方法 學習到的相應模型為生成模型和判別模型。生成方法由資料學習聯合概率...