机器学习总结（一）：生成模型与判别模型的区别

西电校草 西电校草 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.5k累计阅读 1.5k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄13年
关注
原创 最新推荐文章于 2026-06-05 16:09:21 发布 1.5k 阅读 AI 写同款· GEO 优化 ›
生成模型与判别模型的区别与理解 一、判别方法与生成方法 监督学习方法可分为判别方法和生成方法。 判别方法（Discriminative approach） 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。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。典型的判别模型包括k近邻，感知级，决策树，支持向量机等。 生成方法（Generative approach） 由数据学习联合概率密度分布P(X,Y)，然后由 阅读详情

生成模型：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：P(Y|X)=P(X,Y)/P(X),表示了给定输入X产生输出Y的生成关系。包括：朴素贝叶斯法、隐马尔科夫模型。特点：收敛速度更快。

判别模型：由数据直接学习决策函数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，包括：逻辑斯谛回归、k近邻、感知器、决策树、SVM等。特点：准确率高。直接学习，对数据进行各种程度的抽象、定义特征并使用特征。

收录于
机器学习总结

当前文章被收录于：

机器学习总结
12 篇文章 18 人学习
订阅专栏 查看详情
标签
#机器学习 #数据
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。
【机器学习基础】无监督学习（5）——生成模型 通常生成模型是指学习样本数据的分布，可以生成一些新的数据，是相对于判别模型而言的，并不特指有监督学习和无监督学习，比如朴素贝叶斯模型就是一种生成模型。在这里生成模型主要指的是无监督学习中的生成模型，在无监督学习中的主要任务是让机器学习给定的样本，然后生成一些新的东西出来。比如给机器看一些图片，能够生成一些新的图片出来，给机器读一些诗，然后能够自己写诗出来。在前面所学习的无监督学习主要是针对降维的，成为化繁为简，那么在这里的生成模型则称之为无中生有。。VAE在训练时是重构误差加上上边那一项。。... 阅读详情

相关推荐

【机器学习】判别模型vs生成模型、概率模型vs非概率模型

参考：生成模型 VS 判别模型 （含义、区别、对应经典算法） 机器学习“判定模型”和“生成模型”有什么区别？ 判别模型和生成模型的区别，主要在于概率分布。对于一堆样本数据，第i个样本的特征为Xi（特征维度可以是j），对应的分类标记为Yi，则： 判别模型：学习到条件概率分布P(Y|X)，即在特征X出现的情况下标记Y出现的概率，是后验概率。 判别式模型求得P(Y|X)，对于一个样本的特征X，根据P(Y|X)可以求得标记Y，即可以直接判别出来样本的类别，如下图的左边所示，实际是就是...

Mr_health的博客 7002

生成模型：从数据学习到创造的 AI 新范式

生成模型作为人工智能领域的核心技术，正以其独特的 “数据创造” 能力重塑多个行业。从逼真图像生成到药物分子设计，从个性化内容创作到复杂数据增强，这类模型通过学习数据分布实现 “智能涌现”。本文将深入解析生成模型的核心原理、主流类型、真实应用场景及技术挑战，并结合代码案例展示其实际操作，帮助读者快速掌握这一前沿技术的核心逻辑与应用价值。

weixin_62782025的博客 1433

生成模型和判别模型的区别

1.监督学习分为生成模型和判别模型有监督机器学习方法可以分为生成方法和判别方法（常见的生成方法有混合高斯模型、朴素贝叶斯法和隐形马尔科夫模型等，常见的判别方法有SVM、LR等），生成方法学习出的是生成模型，判别方法学习出的是判别模型。2.生成模型生成模型主要是求解联合概率密度，比如我们有数据集：（C，X），其中（c,x）表示其中一个样本，c为类别，x为特征。那么对于生成模型来说我们需要求解p(x,c

qq_21460525的博客 6654

机器学习 导论

机器学习导论

weixin_47524903的博客 1189

理解生成模型与判别模型

其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 导言 我们都知道，对于有监督的机器学习中的分类问题，求解问题的算法可以分为生成模型与判别模型两种类型。但是，究竟什么是生成模型，什么是判别模型？不少书籍和技术文章对这对概念的解释是含糊的。在今天这篇文章中，我们将准...

SIGAI_优快云的博客 5923

【机器学习基础】生成模型和判别模型

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 model)和判别模型(discriminative model)。

Jason Ding的专栏 3387

机器学习：生成模型和判别模型的区别

一、名词解释 生成方法由数据学习联合概率风波P(X,Y)，然后求出条件概率分布P(Y|X)为预测的模型，即生成模型： P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)​ 这样的方法之所以称为生成方法，是因为模型表示了给定输入X产生输出Y的生成关系。典型的生成模型由朴素贝叶斯法和隐马尔可夫模型。 判别方法由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测模型，即判别模型。判别方法关心的是对给定的输入X，应该预测什么样的输出

JacksonKim的博客 7532

机器学习——生成模型与判别模型 知识点总结

通俗的解释： 1）生成模型：（先对数据的联合分布建模，再通过贝叶斯公式计算样本属于各个类别的后验概率）由数据学习联合概率p（x,y），然后求出后验概率p(y|x)作为预测的模型，即：P(y|x)=p(x,y)/p(x)。 特点：可以从统计的角度表示数据的分布情况，能反映同类数据本身的相似度。但 不关心各类的边界在哪。学习收敛速度更快。存在隐变量时，仍适用。 2）判别模型：（直接

qq_34896915的博客 2289

生成模型与判别模型的区别与联系

1、概述 监督学习的任务就是学习一个模型，应用这一模型，对给定的输入预测相应的输出。这个模型的一般形式为决策函数： 或者条件概率分布： 监督学习方法又可以分为生成方法（generative approach）和判别方法（discriminative approach）。所学到的模型分别称为生成模型（generative  model）和判别模型（discriminative mode...

花梦飞的博客 2840

AIGC实战——生成模型简介

生成式人工智能是一种人工智能方法，旨在通过学习训练数据的分布模型来生成新的、原创的数据。人工智能生成内容 (Artificial Intelligence Generated Content, AIGC) 是生成式人工智能的一个具体应用和实现方式，是指利用人工智能技术生成各种形式的内容，如文字、图像、音频和视频等。本节将介绍生成模型基本概念，首先介绍生成模型的基本概念，然后，构建用于衡量生成模型性能的框架，并介绍一些重要的核心概念。然后，介绍当前主流的生成模型技术及其分类。

盼小辉丶的博客 9万+

【机器学习】生成模型 判别模型

这篇博客是自己在学习生成模型与判别模型过程中的一些记录，整理了相关的文章后写成，感谢前辈们的辛苦总结 简单的说，生成模型是从大量的数据中找规律，属于统计学习；而判别模型只关心不同类型的数据的差别，利用差别来分类。 两个模型是啥 我们从几句话进入这两个概念： 1、机器学习分为有监督的机器学习和无监督的机器学习； 2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习...

sowhat 1万+

机器学习：偏差、方差，生成模型，判别模型，先验概率，后验概率

一、偏差、方差 偏差与方差分别是用于衡量一个模型泛化误差的两个方面； 模型的偏差，指的是模型预测的期望值与真实值之间的差； 模型的方差，指的是模型预测的期望值与预测值之间的差平方和； 在监督学习中，模型的泛化误差可分解为偏差、方差与噪声之和。 偏差用于描述模型的拟合能力；方差用于描述模型的稳定性。 导致偏差和方差的原因 偏差通常是由于我们对学习算法做了错误的假设，或者模型...

weixin_41108334的博客 6976

手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

本地运行大模型耗资源，需要选择较小的模型作为基础模型。在终端中运行时可能会出现 CUDA 错误，表示显存不足，导致提供的端口失效。中文支持不够完善。\3. 文中提到的技术软件工具有：Ollama、Chatbox、Open WebUI、向量数据库、嵌入模型、本地模型 Gemma、AnythingLLM。

2401_86435672的博客 1万+

判别模型和生成模型的区别

20210511 生成联合 深沉的河里的鲶鱼 判别条件 生成模型和判别模型的区别 1.监督学习分为生成模型和判别模型 有监督机器学习方法可以分为生成方法和判别方法（常见的生成方法有混合高斯模型、朴素贝叶斯法和隐形马尔科夫模型等，常见的判别方法有SVM、LR等），生成方法学习出的是生成模型，判别方法学习出的是判别模型。 2.生成模型 生成模型主要是求解联合概率密度，比如我们有数据集：（C，X），其中（c,x）表示其中一个样本，c为类别，x为特征。那么对于生成模型来说我们需要求解p(x,c)的联合概率密

kyle1314608的博客 1734

Cursor 详细使用

Cursor 是一款基于 VSCode 开发的 AI 驱动代码编辑器，集成 GPT-4、Claude3.5 等先进 LLM，具备代码补全、生成、解释、调试等功能，可提升开发效率和代码质量。3. 代码编辑：在编辑区编写代码，利用快捷键提升效率，如 Ctrl+Space 触发智能代码补全、Ctrl+K 润色或修改代码、Ctrl+L 智能问答与代码编辑。3. 代码解释：选中代码，按 Ctrl+L，输入如 “解释这段代码的功能”，Cursor 会给出详细解释。

坚持写博客，大家的关注是我前进的动力！ 4815

别再手动盘点了！教你给微信小程序仓库系统加个‘扫码枪’：完整扫码入库与查询功能实现

本文详细介绍了如何为微信小程序仓库系统添加扫码入库与查询功能，实现零硬件成本的智能仓储管理。通过优化摄像头参数、增强动态识别算法和深度整合业务逻辑，提升扫码精度和效率，同时提供混合查询方案应对复杂场景。这套方案显著提升入库效率，降低错误率，适用于各类仓储管理需求。

weixin_30844577的博客 299

机器学习教程 之 生成模型与判别模型

最初知道生成模型与判别模型是从GAN里听到的，分别训练一个生成模型和判别模型，然后进行对抗，提升总体模型的性能，这是一个令人惊叹的创新和突破。这里总结一下生成模型和判别模型的特点和不同 一、判别模型和生成模型的思想 拿一个分别男女的二分类问题来说，判别模型就是要找到区分男女的划分边界，而生成模型则是要找到可以描述男女这两类数据分布的模型，可以用下面这张图简单概括一下 判别模型要学习的是这里的划分...

冯良骏 的 博客 1279

ENVI新手避坑指南：手把手教你搞定遥感影像的坐标系转换（附ArcGIS对比）

本文详细解析ENVI与ArcGIS在遥感影像坐标系转换中的关键差异与实战技巧，特别针对新手常见问题提供避坑指南。从基础概念到高级操作，涵盖定义投影、UTM转换等核心步骤，并对比两种软件的处理精度与效率，帮助用户高效完成遥感影像处理任务。

weixin_42531925的博客 378

生成模型和判别模型

在机器学习中，一般将学习方式分为和方式。监督学习的任务就是从数据中学习一个模型，应用这一模型，对给定的输入X预测相应的输出Y。这个模型的一般形式为：决策函数Y=f(X)或者条件概率分布P(Y|X)。和。

酒酿小圆子呀～ 1876

正弦波产生电路_文氏桥振荡

本文以文氏桥振荡为基础产生正弦波，介绍了原理、计算、应用时需要注意的一些点，并给出了实测可用的电路模板

白鹤忘机的博客 3万+

【人工智能】Warp 终端完整汉化方案（2026最新）

截至2026年5月，，仅完成了中文、日文、韩文等东亚语言的字符渲染支持，设置面板中无官方语言切换选项，相关中文UI功能需求仍在官方GitHub开源仓库的需求迭代队列中。

奶爸的编程之路，也就一周冷个三天 3106

机器学习系列-生成模型和判别模型

监督学习模型可以分为生成模型(generative model)和判别模型(discriminative model)

君子之学必日新，日新者日进也。不日新者必日退，未有不进而不退者 1978

Cesium中级开发教程之二十二：视锥体

教程示例网站：https://thomaz529.github.io。

883

机器学习与深度学习里生成模型和判别模型的理解

这篇博客是自己在学习生成模型与判别模型过程中的一些记录，整理了相关的文章后写成，感谢前辈们的辛苦总结转载自：https://blog.youkuaiyun.com/zouxy09/article/details/8195017https://blog.youkuaiyun.com/lk7688535/article/details/52353350https://blog.youkuaiyun.com/Solomon1558/art...

dulingtingzi的博客 2万+

【AI大模型：认知升级】1、全面解析AI大模型：从起源到发展脉络与应用价值

AI大模型是具备超大规模参数（千亿至万亿级）、海量训练数据（TB级）和强迁移学习能力的基础模型。其技术特征包括Transformer架构革新、大数据预训练范式及参数规模超过临界值后的能力涌现。发展历程经历了语言模型突破（2018-2020）、多模态融合（2021-2023）和架构创新（2023至今）三波浪潮，遵循数据、算力、算法协同进化规律。底层驱动因素包括能力涌现机制、算力基础设施突破和应用场景拓展，正在重构产业价值链。通过"知识星系""认知

2025博客之星Top81。专注AI工程化与架构实战。从分布式思维到模型部署，用工程化视角为你厘清AI落地的真实路径。 2292

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
上一篇： KUAN滤波和Lee滤波的C++结合opencv实现
下一篇： 机器学习总结（二）：线性回归、逻辑斯谛回归（LR）、softmax回归、过拟合
点赞 1
评论 0
书签 书签 2
西电校草
西电校草
博客等级 码龄13年 246粉丝 19原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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