生成模型和判别模型的区别

最新推荐文章于 2025-07-20 15:40:50 发布
原创 最新推荐文章于 2025-07-20 15:40:50 发布 · 2k 阅读 · 1 ·
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：

#机器学习

按照求解方法，分类算法可分为判别模型和生成模型。生成模型对联合概率p(x,y)或条件概率p(x|y)建模，能根据标签生成样本数据；判别模型对条件概率p(y|x)建模，根据样本特征判断标签。还列举了常见的生成和判别模型。

生成模型和判别模型的区别

按照求解的方法，可以将分类算法分为判别模型和生成模型。给定特定的向量x与标签值y，生成模型对联合概率p(x,y)建模，判别模型对条件概率p(y|x)进行建模。
上述含义可以这么理解：生成模型对条件概率p(x|y)建模，判别模型对条件概率p(y|x)建模。前者可以用来根据标签值y生成的随机的样本数据x，而后者则根据样本特征向量x的值判断它的标签值y。
常见的生成模型有：贝叶斯分类器、高斯混合模型、隐马尔可夫模型、受限玻尔兹曼机、生成对抗网络等。
典型的判别模式有：决策树、kNN算法、人工神
经网络、支持向量机、logistic回归和AdaBoost算法等。
——《机器学习与应用》-雷明版

机器学习中的生成模型与判别模型
scott198512的博客
05-10 4547
机器学习生成模型与判别模型对比
生成式模型和判别式模型的区别
zhangt766的博客
06-16 9183
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
生成模型与判别模型
最新发布
核桃仁先生的博客
07-20 501
通过训练集得到的模型有两种形式：生成模型和判别模型。生成模型（Generative Models）和判别模型（Discriminative Models）是机器学习中两种核心建模方法，它们在上存在显著差异。理解它们的区别对选择合适的算法至关重要。
判别式模型与生成式模型
wolenski的专栏
09-16 4万+
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。 Andrew Ng在NIPS2001
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
适用人群：适合对机器学习感兴趣或者具有一定基础的研发人员，尤其是需要了解监督学习下生成模型和判别模型区别的人群。 使用场景及目标：帮助人们理解和掌握机器学习中的生成模型与判别模型的工作机制、特点及优...
判别式模型和生成式模型的区别
01-07
这些模型的特点都是输入属性X可以直接得到Y（对于二分类任务来说，实际得到一个score，当score大于threshold时则为正类，否则为反类）~（根本原因个人认为是对于某示例X_1，对正例和反例的标记的条件概率之和等于1，...
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 VS 判别模型 （含义、区别、对应经典算法）
热门推荐
Taylover-Cam的博客
03-29 7万+
从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。两者的优缺点如下图...
机器学习：生成模型和判别模型的区别
JacksonKim的博客
10-01 7339
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
生成模型和判别模型区别
timothytt的博客
03-05 514
预测目标 在讨论生成模型和判别模型之前，我们先回顾一下机器学习要解决的两类问题。 假设x是输入的特征(feature)，y是预测的结果(分类是label，回归是value)。   1.分类：P(y|x) ，即根据输入特征求目标分类。   2.回归：y=f(x)，即根据输入特征直接求值。 由于分类问题和回归可以相互转化，下文我们以分类为例。 判别模型 判别模型直接求解条件概率...
[转] 判别模型和生成模型的区别
weixin_33971977的博客
12-28 145
原文网址：http://www.zhan5zhan.com/post/14.html     什么是判别模型(Discriminative Model)和生成模型(Generative Model)？ 一个通俗易懂的解释判别模型和生成模型可以点击这里查看，这里我摘录如下：     Let's say you have input data x and you want to classify ...
判别模型和生成模型的区别
kyle1314608的博客
05-11 1668
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
生成模型（Generative Model）和 判别模型（Discriminative Model）
weixin_30502965的博客
09-04 640
引入 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 mode...
3.阐述生成模型和判别模型的区别?
06-08
生成模型和判别模型是机器学习中两种不同的...因此，生成模型和判别模型的主要区别在于它们所学习的内容不同，生成模型学习数据的分布，而判别模型学习输入和输出之间的关系。选择哪种模型取决于具体问题和任务的要求。
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
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