谈谈我对于【判别模型】和【生成模型】的个人理解

问题背景

在学习周志华老师的《机器学习》（也就是西瓜书）时，总能看到判别模型以及生成模型这两个词汇。我自己对于它们的理解十分模糊，有点不求甚解的意思。虽然这样并不会对于相关知识的认知有太大影响，但基于严谨的态度，我还是到网上查询了一些资料，并试图得出个人的精简理解。
 
 

概念

概念虽然很难帮助理解，但却是一定要知道的，相关概念如下：

判别模型：通过给定的数据直接学习条件概率分布P(x|y)

生成模型：通过给定数据学习x，y的联合概率分布P(x,y)，然后根据贝叶斯公式求出条件概率P(y|x)，最终预测出条件概率最大的y
 
 

举例

我一直认为，理解概念的最好方式就是举例子，例子如下：

假设你的室友刚理完发回来，你看到他头发的形状后，想猜一下他是什么发型，你可能会有两种判断方法

假如你对头型研究的很少，但你经常看电影，发现室友的头型和梳大背头的发哥很像，于是你得出结论——室友剪了大背头

但如果你对发型研究的很深，经常逛各种论坛网站，清楚的了解大背头就是将额前的头发利用发油全部梳上去，将整个五官和脸显露出来，是工整、成熟的一种发型（其实我也不懂，百度现查的）。那么你就能根据这些特点十分肯定地得出结论——室友剪了大背头！

先不讨论室友适不适合大背头这种成熟的发型，前者的判断就是基于判别模型的逻辑，即并不理解数据的特征但仍能通过与其它数据的相似度来进行判断

而后者自然就是生成模型的逻辑了，即你真正的了解不同标签所生成的数据特征（比如大背头的发型就会有头发向后梳、很油、将整个脸露出来等特征，其它的发型也会有自己独特的特征），并能通过已有的数据特征反推测试数据是什么标签
 
 

总结

可能还有会有同学问，博主博主，我还是没理解，能不能概括一下啊？

咳咳，我要说了哈——当你只知道发型和谁相同、和谁不同时，这个思路就是判别模型；而如果你真正学会了各个发型的具体特点，在看到发型时能根据你所了解的特点加以判断，那么你的思路就是生成模型

以上的举例和总结都是我的个人的初步想法，欢迎大家在评论区分享你的观点和评价。
 
 

文章推荐

我在网上找到了一篇文章，讲得很详细，想要进一步了解的同学可以移步机器学习面试之生成模型VS判别模型