生成模型,判别模型

最新推荐文章于 2025-06-26 08:25:50 发布
最新推荐文章于 2025-06-26 08:25:50 发布
阅读量221 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习相关文献和理论
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。
本文链接：https://blog.youkuaiyun.com/qq_35290785/article/details/89070853
本文介绍了监督学习中的两类模型：生成模型和判别模型。生成模型学习联合概率分布，能够还原数据特性，但在计算上较为复杂；而判别模型直接学习决策边界，准确率较高但无法体现数据内在特性。常见的判别模型包括K近邻、SVM等，生成模型如朴素贝叶斯、隐马尔可夫模型等。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

 

区别：监督学习模型可分为生成模型与判别模型

优缺点

常见模型

区别：监督学习模型可分为生成模型与判别模型

  • 判别模型直接学习决策函数或者条件概率分布

    • 直观来说，判别模型学习的是类别之间的最优分隔面，反映的是不同类数据之间的差异

  • 生成模型学习的是联合概率分布P(X,Y)，然后根据条件概率公式计算 P(Y|X)

优缺点

  • 判别模型

    <
了解本专栏 订阅专栏 解锁全文 超级会员免费看
机器学习中的生成模型与判别模型
scott198512的博客
05-10 4523
机器学习生成模型与判别模型对比
AIGC实战——生成模型简介
盼小辉丶的博客
08-29 9万+
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。
【机器学习】基础 判别模型生成模型
wffzxyl的博客
04-16 404
- 概念区分及代表算法：两者均属于监督模型范畴，最直接的区分依据是，从给定的训练数据，学习到的目标概率分布不同。根据训练数据，生成模型，学习联合概率分布P(X,Y)。然后求出条件概率分布P(Y|X)作为预测模型。公式：P(Y|X)=P(X,Y)/P(X)。代表算法有：朴素贝叶斯，HMM等。通常只有一个模型，输入实例，得到结果。判别模型，学习条件概率分布P(Y|X)，或者直接学习判别决策函数f(X)...
生成式 判别式
WallE
09-10 280
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.
生成模型和判别模型
酒酿小圆子呀～
06-27 1663
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。
判别模型和生成模型
TeddyZhang的博客
09-17 587
概念 生成模型（Generative Modeling）： 学习时先得到 P(x,y)，继而得到 P(y|x)。预测时应用最大后验概率法（MAP）得到预测类别 y。 判别模型(Discriminative Modeling)： 直接学习得到P(y|x)，利用最大后验概率（MAP）得到 y。或者直接学得一个映射函数 y=f(x)。 他们之间有一种联系，生成模型可以得到判别模型，而判别模型不能...
生成模型与判别模型的基础概念及其在机器学习中的应用对比
09-24
内容概要：本文以两个拥有特殊技能的孩子为类比对象，介绍了监督学习中生成模型与判别模型的区别，并提供了这两个模型类型的数学背景以及各自的应用实例。文中还列出了常用的不同模型的分类，探讨了每种类型的具体...
我们真的明白生成模型和判别模型了吗？
01-07
今天补了一下机器学习的数学知识，突然又遇到了判别模型和生成模型这两个词语，之前学习统计学习方法的时候也遇到过，当时就模模糊糊的，如今再遇到，发现我还是没明白， 但这次哪有轻易再放过去之理？所以查了很多...
生成模型实战 | 生成模型（Generative Model）基础
最新发布
盼小辉丶的博客
06-26 2038
本节介绍了人工智能的一个重要分支——生成模型，介绍了生成模型理论和应用的最新进展。我们从一个简单的示例开始，了解了生成模型最终关注的是对数据的潜在分布进行建模。通过总结生成模型框架，以理解生成模型的重要属性。然后，介绍了有助于理解生成模型的理论基础和关键概率概念，并概述了生成模型的分类方法。
机器学习：生成模型和判别模型的区别
JacksonKim的博客
10-01 7315
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（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。...
生成模型和判别模型直观理解
MiaLove
06-16 747
生成模型和判别模型
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
大模型的分类——生成式大模型和判别式大模型联系与区别
m0_59164520的博客
08-06 4234
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
Generative model & discriminative model
道法自然
05-05 1009
转一篇有用的文章, 看了那么多blog上的介绍，还是这篇解释的最清楚：Generative Model 与 Discriminative Model 【摘要】    - 生成模型(Generative Model) ：无穷样本==》概率密度模型 = 产生模型==》预测    - 判别模型(Discriminative Model)：有限样本==》判别函数 = 预测模型==》预测【简介】简单
判别模型(Discriminative model)和生成模型(Generative model)
Fishmemory的博客
06-19 2万+
说明生成算法和判别算法之间的区别。判别算法主要包括：SVM，逻辑回归等；生成算法主要包括：朴素贝叶斯，HMM等
机器学习：判别与生成模型 - Tony Jebara
"本书《MACHINE LEARNING: Discriminative and Generative》由哥伦比亚大学的Tony Jebara撰写，旨在统一机器学习中的两种强大但不同的范式：生成模型和判别模型。生成学习方法，如贝叶斯网络，是许多模式识别、人工...
评论
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

打赏作者

贾世林jiashilin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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