生成模型：通過學習聯合概率p(x,y)，然後求出條件分布p(y|x)為**模型，典型如：樸素貝葉斯模型，隱馬爾科夫模型
判別模型：學習的是條件概率p(y|x)和決策函式f(x)作為**函式，典型如：k臨近法，感知機，決策樹，logistic回歸模型，最大熵模型，支援向量機，提公升方法，條件隨機場
生成優點：生成方法可以還原出聯合概率p(x,y)，判別不能，生成方法收斂更快，存在隱變數時，不能使用判別模型；
判別優點：直接面對**，學習的準確率更高，可以簡化學習問題。
不是很直觀，後續解決？
問題4 生成模型和判別模型不同點？
已知輸入變數x，判別模型 discriminative model 通過求解條件概率分布p y x 或者直接計算y的值來 y。生成模型 generative model 通過對觀測值和標註資料計算聯合概率分布p x,y 來達到判定估算y的目的。判別模型不需要計算資料的聯合分布，只需要求解條件概率，而...
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...
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 ...