判别模型和生成模型

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 · 271 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。

本文详细介绍了机器学习领域的核心模型，包括生成式模型如朴素贝叶斯、混合高斯模型和判别式模型如线性回归、逻辑斯蒂回归等。涵盖了从基础到高级的各种模型，为读者提供了一个全面的机器学习模型知识框架。

1 生成式模型

朴素贝叶斯
K近邻(KNN)
混合高斯模型（Mixtures of Gaussians）
隐马尔科夫模型(HMM)
贝叶斯网络
Sigmoid Belief Networks
马尔科夫随机场(Markov Random Fields)
深度信念网络(DBN)

2 判别式模型

线性回归(Linear Regression)
线性判别分析（Linear Discriminat Analysis）
逻辑斯蒂回归(Logistic Regression)
神经网络(NN)
支持向量机(SVM)
高斯过程(Gaussian Process)
条件随机场(CRF)
CART(Classification and Regression Tree)
Boosting

机器学习中的生成模型与判别模型
scott198512的博客
05-10 4608
机器学习生成模型与判别模型对比
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 3892
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
机器学习之判别式模型和生成式模型
weixin_41036461的博客
10-14 1802
https://www.cnblogs.com/nolonely/p/6435213.html   判别式模型（Discriminative Model）是直接对条件概率p(y|x;θ)建模。常见的判别式模型有线性回归模型、线性判别分析、支持向量机SVM、神经网络、boosting、条件随机场等。 　　举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这...
生成模型与判别模型
neuTblue的专栏
04-04 4829
自然语言处理中，经常要处理序列标注问题（分词、词性标注、组快分析等），为给定的观察序列标注标记序列。 令o和s分别代表观察序列和标记序列， 根据贝叶斯公式， 1   生成模型和判别模型的定义    对o和s进行统计建模，通常有两种方式： (1)生成模型 （产生模型）   构建o和s的联合分布p(s,o) (2)判别模型 （条件概率模型， 条件模型）   构建o
判别模型、生成模型
xtingjie的博客
05-22 509
判别模型（Discriminative model）生成模型（Generative model）设X是特征，Y是类别则判别模型就是求P(Y|X)，这是条件概率而生成模型一般就是求P(Y)P(X|Y)也就是P(XY)，这就是联合概率了所以使用生成模型时，有多少类就有多少个模型，然后用这些模型一个一个去试，然后找出最匹配的那一类使用判别模型就只有一个模型，直接用这个模型就可以判别出最合适的那一类
生成式模型vs判别式模型
扬帆起航
02-06 777
1.模型差别 生成式模型：由数据学习联合概率分布P(X,Y), 然后由P(Y|X)=P(X,Y)/P(X)求出概率分布P(Y|X)作为预测的模型。该方法表示了给定输入X与产生输出Y的生成关系 判别式模型：由数据直接学习决策函数Y=f(X)或条件概率分布P(Y|X)作为预测模型，即判别模型。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。 2.模型对比 （1）生成模型可以还原出联合...
精选资源
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，...
精选资源
我们真的明白生成模型和判别模型了吗？
01-07
从本质上讲，生成模型和判别模型是解决分类问题的两类基本思路。 首先，你得了解，分类问题，就是我给定一个数据x，去判断它对应的标签y。 我的目标就是P(Y|X)。 下面我直接开门见山，先说一下这两种模型针对这个...
【秋招基础知识】【3】机器学习常见判别模型和生成模型
qq_29380039的博客
07-30 1918
使用松弛变量来处理噪声。将低维空间线性不可分问题转化为高维空间线性可分问题。
判别模型和生成模型总结
promisejia
03-07 646
区别 判别模型：在有限样本的条件下建立判别函数，也就是最优分类面，实现分类（估计条件概率分布P（y|x））。 判别模型：建立样本的联合概率，再利用模型进行推理预测，要求样本尽可能大（估计联合概率分布P（x，y））。 常见模型 判别模型：最大熵模型（ME），条件随机场（CRF），最大熵马尔可夫（MEMM），SVM 生成模型：朴素贝叶斯（NB），隐马尔可夫模型（HMM），LDA主题模型，高斯混合模型 ...
机器学习中的判别式模型和生成式模型
weixin_40252835的博客
06-16 1507
首发于人工智能写文章机器学习中的判别式模型和生成式模型Microstrong微信公众号：Microstrong，人工智能算法工程师已关注78 人赞同了该文章目录：基本概念用例子说明概念判别式模型和生成式模型的区别二者所包含的算法在机器学习中，对于有监督学习可以将其分为两类模型：判别式模型和生成式模型。简单地说，判别式模型是针对条件分布建模，而生成式模型则针对联合分布进行建模。1. 基本概念假设我们有训练数据(X,Y)，X是属性集合，Y是类别标记。这时来了一个新的样本，我们想要预测它的类别。我们最终的目的是
生成模型和判别模型
zl3090的博客
09-13 3598
转自：https://blog.youkuaiyun.com/u012101561/article/details/52814571         生成模型（Generative Model）是相对于判别模型（Discriminative Model）定义的。他们两个都用于有监督学习。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。这个模型的一般形式为决...
生成模型和判别模型_生成模型和判别模型简介
weixin_26752765的博客
09-06 357
生成模型和判别模型Intro 介绍 Recently I gave a presentation at work, where I explained how I solved some problem using Conditional Random Fields (CRF). And, since CRF was not so much known to my colleagues, I h...
机器学习-生成模型VS判别模型
weixin_40701016的博客
07-17 374
1. 基本概念 2. 两者的区别和联系 3. 对应的模型
机器学习系列-生成模型和判别模型
君子之学必日新，日新者日进也。不日新者必日退，未有不进而不退者
02-23 1864
监督学习模型可以分为生成模型(generative model)和判别模型(discriminative model)
生成模型和判别模型直观理解
MiaLove
06-16 767
生成模型和判别模型
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 4650
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？
判别模型和生成模型图像
最新发布
04-28
判别模型和生成模型是机器学习领域两种重要的建模方法。判别模型的目标是学习输入 \(X\) 和类别 \(Y\) 之间的条件概率 \(P(Y|X)\)，主要用于分类和预测任务；而生成模型则是学习输入 \(X\) 和类别 \(Y\) 的联合概率 ...
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