机器学习模型谱系图——生成式模型与判别式模型

 目录

一、总览：生成式 vs 判别式

核心问题：

模型思路有两种：

二、生成式模型支系

1.朴素贝叶斯（Naive Bayes）

2.隐马尔可夫模型（HMM）

3.有向概率图模型（贝叶斯网络）

三、判别式模型支系

判别式模型进一步细分为两种学习方式：

（1）分数式（Scoring）分类：

A. 感知机（Perceptron）

B. 支持向量机（SVM）

C. 神经网络（Neural Network）

D. 结构化学习扩展：

（2）概率式分类：

A. 逻辑回归（Logistic Regression）

B. 条件随机场（CRF）

C. 无向图模型（Markov Random Field）

四、关键流程对比（汇总）

五、拓展补充模型建议

六、总结术语图

---

机器学习模型谱系图——生成式模型与判别式模型

机器学习模型谱系图，聚焦于 生成式模型（Generative Models） 与 判别式模型（Discriminative Models） 的基本分类逻辑。

---

一、总览：生成式 vs 判别式

核心问题：

给定输入特征 x，预测输出 y

模型思路有两种：

类别	目标	表达形式	举例
生成式模型	建模联合概率分布 P(x,y)	使用贝叶斯法则推导 (P(y	x))
判别式模型	直接建模条件概率 (P(y	x)) 或决策边界	学习 y 和 x 的映射关系

---

二、生成式模型支系

1.朴素贝叶斯（Naive Bayes）

• 假设条件独立性：

• 推理目标：最大后验概率（MAP）

2.隐马尔可夫模型（HMM）

• 建模序列数据：状态转移 + 观测发射

• 常用于语音识别、词性标注等

3.有向概率图模型（贝叶斯网络）

• 图结构描述因果或条件依赖关系

• 包括 HMM 和朴素贝叶斯等模型

---

三、判别式模型支系