生成式和判别式模型的区别

最新推荐文章于 2024-08-06 20:46:56 发布
原创 最新推荐文章于 2024-08-06 20:46:56 发布 · 248 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#人工智能

文章探讨了机器学习中两种主要的模型类型——判别式模型和生成式模型。判别式模型直接学习分类边界，适用于数据量较小的情况，而生成式模型通过学习数据的联合分布来推导条件概率，需要更多的数据。生成式模型可以转化为判别式模型，但反之则不行。

机器学习中的判别式模型和生成式模型 - 知乎

判别式模型：生成分类函数和分类hyperplane，学习条件概率

生成式模型：对数据进行建模后分数据类别建立不同的模型，学习联合概率后得到条件概率。

共通点：依赖条件概率

不同点：生成式模型会依据联合概率P(x,y),由贝叶斯公式P（A|B）=P（A）P（B|A）/P（B）计算得到条件概率。判别式模型无法辨别数据本身的特性，需要数据较少；生成式模型需要大量数据，学习成本较高。

 生成式模型可转判别式，判别式不可转生成式。

判别式模型与生成式模型的区别
湾区人工智能
04-07 527
判别式模型与生成式模型的区别产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于：对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率分布P(y|x)产生式模型可以根据贝叶斯公式得到判别式模型，但反过来不行。判别式模型常见的主要有： 　　　　Logistic Regress...
判别式模型和生成式模型的区别（discriminative model and generative model）
amblue的专栏
11-29 1万+
在NLP和机器学习中经常会遇到这两种显著不同的模型，在学习阶段（训练阶段）和评估阶段（测试阶段）都有不同的表现 总结一下它们之间的区别，欢迎补充： 1. 二者最本质的区别是建模对象不同    假设有样本输入值（或者观察值）x，类别标签（或者输出值）y    判别式模型评估对象是最大化条件概率p(y|x)并直接对其建模，生成式模型评估对象是最大化联合概率p(x,y)并对其建模。
生成模型（Generative）和判别模型（Discriminative）
weixin_39910711的博客
04-23 2万+
目录 1 决策函数Y=f(X)或者条件概率分布P(Y|X) 2 生成方法和判别方法 2.1生成方法 2.2判别方法 3 特点及对比 3.1 生成模型 3.2 判别模型 3.3 总结 4对于跟踪算法 1 决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数据中学习一个模型（也叫分类器），应用这一模型，对给定的输入X预测相应的输出Y。...
机器学习：生成模型和判别模型的区别
JacksonKim的博客
10-01 7403
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
生成模型与判别模型的区别与理解
xiaobaizaza_Ry的博客
10-16 1万+
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
精选资源
判别式模型和生成式模型的区别
01-07
对于判别式模型来说求得P(Y|X)，对未见示例X，根据P(Y|X)可以求得标记Y，即可以直接判别出来，如上图的左边所示，实际是就是直接得到了判别边界，所以传统的、耳熟能详的机器学习算法如线性回归模型、支持向量机SVM...
生成式模型和判别式模型的区别
zhangt766的博客
06-16 9260
机器学习可以分为两大类：生成式模型（Generative Model）、判别式模型（Discriminative Model）。 现在有一堆球，颜色信息已知为绿色和黄色两种，有且仅有这两种颜色，这里，球的颜色为y（目标变量），坐标轴上位置为特征X。我们想要知道，如果在坐标轴的某一位置x新放入一个球，这个球会是什么颜色的？ 1.生成式模型的思想： 生成式模型使用的是联合概率P(X,Y)，若已知x（球的坐标位置信息），通过计算出P(X,Y)我们就可以知道球的颜色。 P(X,Y) = P(Y)*P(X|Y)，其中
判别式模型 vs 生成式模型
pumpkin84514的博客
06-22 1712
判别式模型专注于区分类别。它们学习如何根据输入信息来区分不同的类别。类比想象你是一个面试官，你的任务是根据候选人的表现来判断他们是否适合某个职位。你关注的不是候选人从哪里来，而是他们是否符合你的要求。这就是判别式模型在做的事情——根据输入信息判断类别。生成式模型不仅仅是区分类别，它们还能生成新数据，就像一位魔术师，可以凭空变出新的东西。类比想象你是一位艺术家，你不仅能判断一幅画是印象派还是写实派，还能自己创作出一幅新画。生成式模型就是这样，它们不仅能理解数据，还能生成与原始数据相似的新数据。判别式模型。
监督学习中判别式模型和生成式模型的区别 | 无监督学习的生成模型GAN、VAE（生成样本）
捡起一束光的博客
11-30 3845
文章目录一、监督学习中的判别式模型和生成式模型1.1 判别式模型（线性回归、SVM、NN）1.2 生成式模型（朴素贝叶斯、HMM）二、无监督学习中的生成式模型参考资料 一、监督学习中的判别式模型和生成式模型 有监督学习可以分为两类：判别模型和生成模型，我们所熟悉的神经网络，支持向量机和logistic regression，决策树等都是判别模型。而朴素贝叶斯和隐马尔可夫模型则属于生成式模型 1.1 判别式模型（线性回归、SVM、NN） 判别式模型由数据直接学习P(y∣x)P(y|x)P(y∣x)来预测yy
大模型的分类——生成式大模型和判别式大模型联系与区别
最新发布
m0_59164520的博客
08-06 4550
在学习机器学习的过程中，生成式模型和判别式模型是两个经典类型的模型，弄明白两者之间的联系与区别是一个非常重要的事情，也会加深对大模型的理解。那么什么是生成模型和判别模型呢？生成式模型和判别式模型的区别与联系生成式模型和判别式模型是两种不同的机器学习类型，它们之间具有不同的目标和应用场景，很重要的一点是不论生成式模型还是判别式模型，都是基于监督学习的机器学习算法。🌟 重大消息全新上线的人工智能聊天机器人小程序正式与大家见面啦！🌟你是否曾在深夜思考人生，却无人倾诉？
生成模型和判别模型
酒酿小圆子呀～
06-27 1773
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。
生成模型与判别模型
热门推荐
zouxy09的专栏
11-17 12万+
生成模型与判别模型 zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09        一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。   一、决策函数Y=f(X)或者条件概率分布P(Y|X)        监督学习的任务就是从数据中学习一个模型（也叫分
生成模型和判别模型直观理解
MiaLove
06-16 760
生成模型和判别模型
生成式 判别式
WallE
09-10 325
序 监督学习可分为生成式模型和判别式模型。 生成式模型 生成式模型学习到的是数据的联合概率分布P(X, Y)，进而根据联合概率分布与边缘分布的关系求出条件概率分布，这个条件概率模型就是我们最终的预测模型： 典型的生成模型： 朴素贝叶斯法、隐马尔科夫模型、混合高斯模型 特点 生成式方法可以还原联合概率分布P(X,Y)，而判别式不能；生成式的收敛速度较快；当存在隐变量时，仍可用生成式模型进行学习。 判别式模型 判别式模型是根据数据直接学习出一个决策函数f(X)或是一个条件概率分布P(Y.
生成式和判别式
orangefly0214的博客
02-14 1927
判别式模型(Discriminative Model)：直接对条件概率p(y|x)进行建模， 常见判别模型有：线性回归、决策树、支持向量机SVM、k近邻、LDA，CRF，神经网络等； 生成式模型(Generative Model)：对联合分布概率p(x,y)进行建模， 常见生成式模型有：隐马尔可夫模型HMM、朴素贝叶斯模型、高斯混合模型GMM等； 生成式模型更普适；判别式模型更直接，目标...
生成式模型、判别式模型的区别？
Jiashilin
05-16 8869
生成式模型、判别式模型的区别？ ​ 对于机器学习模型，我们可以根据模型对数据的建模方式将模型分为两大类，生成式模型和判别式模型。如果我们要训练一个关于猫狗分类的模型， 对于判别式模型，只需要学习二者差异即可。比如说猫的体型会比狗小一点。 而生成式模型则不一样，需要学习猫张什么样，狗张什么样。有了二者的长相以后，再根据长相去区分。 具体而言： 生成式模型：由数据学习联合概率分布P(X,Y...
生成算法与判别算法
金字塔上的蜗牛的专栏
06-26 2711
Naive Bayes（朴素贝叶斯） 可用来做二分类。 是一种生成学习算法。 logistical regression也是一个二类分类器，但是和Naive Bayes是两种不同的思路，思想非常不一样。 假设我们要在一群动物中区分蚂蚁和大象。 生成学习算法教我们用从训练数据中学习出蚂蚁长什么样子，大象长什么样子。 然后现在有一个动物，我们要判断它是哪一种，计算它更像哪一个就把它判断为哪
斯坦福第五章：判别学习方法和生成学习方法的区别
welcome to daijiguo's blog
08-16 3774
之前的视频中讲到的方法都是直接对问题进行求解，比如二类分类问题，不管是感知器算法还是逻辑斯蒂回归算法，都是在解空间中寻找一条直线从而把两种类别的样例分开，对于新的样例只要判断在直线的哪一侧即可；这种直接对问 题求解的方法可以成为判别学习方法（discriminative learning algorithm）。 而生成 学习算法则是对两个类别分别进行建模，用新的样例去匹配两个模型，匹配度较 高的
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
 
红包 添加红包
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