机器学习：判别模型与生成模型

最新推荐文章于 2024-10-11 12:02:37 发布
原创 最新推荐文章于 2024-10-11 12:02:37 发布 · 1k 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

博客聚焦机器学习领域，介绍了判别模型与生成模型。这两种模型是机器学习中的重要概念，对理解和应用机器学习技术有重要意义。
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。
机器学习中的生成模型与判别模型
scott198512的博客
05-10 4595
机器学习生成模型与判别模型对比
李宏毅2020深度学习-判别方法和生成方法
weixin_40485502的博客
03-15 578
二分类 数据少的情况下，生成方法可能比判别方法好 数据多时，判别方法获得的效果好于生成方法 数据量少时 贝叶斯分类可能会脑补 如： 类1：（1,1）1个 类2：（0,1），（1,0），（0,0）—各有四个 判别：（1,1）属于类1的概率<0.5 原因：数据少，贝叶斯自己脑补的 ...
机器学习---生成模型与判别模型
TTdreamloong的博客
03-02 545
生成模型（GenerativeModel）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策函数Y=f(X)或者条件概率分布P(Y|X)。 首先简单说明下贝叶斯定理 贝叶斯定理是英国数...
是什么机器学习中生成模型/判别模型?
Robin_Pi的博客
01-05 705
图解 举例理解 判别式模型举例：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，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。 生成式模型举例：利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。 细细品味上面的例...
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...
机器学习：判别模型，生成模型，朴素贝叶斯，高斯生成模型
weixin_41108334的博客
12-24 913
判别、生成区别：http://blog.sciencenet.cn/home.php?mod=space&amp;uid=248173&amp;do=blog&amp;id=227964 朴素贝叶斯和高斯判别分析：https://www.cnblogs.com/zyber/p/6490663.html 一：判别、生成 1、 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测：隐马尔...
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
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、特点及优缺点，进一步增强他们在机器学习实践中对各种模型的选择能力。 其他说明：建议结合具体的案例或应用场景来加深理解，同时...
机器学习：生成模型和判别模型的区别
qq_51278881的博客
10-02 562
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
生成/判别式模型
最新发布
aksjebdjj的博客
10-11 3207
特性生成式模型判别式模型学习目标联合分布 P(x,y)P(x,y)条件分布 $ P(y数据生成能力可以生成新数据无法生成新数据主要任务数据生成、密度估计、异常检测等分类、回归、序列标注等优势适合处理缺失数据、生成任务分类效果好，训练效率高劣势分类任务性能可能不佳，训练复杂无法生成数据，缺失数据处理能力较差典型模型朴素贝叶斯、GAN、VAE、HMM逻辑回归、SVM、神经网络。
机器学习与深度学习里生成模型和判别模型的理解
热门推荐
dulingtingzi的博客
05-10 2万+
这篇博客是自己在学习生成模型与判别模型过程中的一些记录，整理了相关的文章后写成，感谢前辈们的辛苦总结转载自：https://blog.youkuaiyun.com/zouxy09/article/details/8195017https://blog.youkuaiyun.com/lk7688535/article/details/52353350https://blog.youkuaiyun.com/Solomon1558/art...
生成模型（Generative）和判别模型（Discriminative）
TRTK
09-23 5376
生成模型（Generative）和判别模型（Discriminative）    方法
生成模型与辨别模型（Generative vs discriminative model）
人工智障仁波切
08-22 1131
生成模型与辨别模型（Generative vs discriminative model） 这两个模型一般是讲的分类问题 生成模型 1、使用贝叶斯理论推断后验分布p(Ck|x)p(Ck|x)p(C_k|x),需要考虑先验分布p(Ck)p(Ck)p(C_k)和p(X|Ck)p(X|Ck)p(X|C_k) 也可以对联合分布p(X,Ck)p(X,Ck)p(X,C_k)建模 2、使用决策论对x分...
机器学习-白板推导系列(三十)-生成模型(Generative Model)
Paul_Huang的专栏
07-06 7157
机器学习-白板推导系列(三十)-生成模型(Generative Model) 30.1 生成模型的定义 前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节，主要讲述的是什么是生成模型，它是不是只是生成样本，生成数据？它的任务是什么？精准的定义是什么？ 这个问题实际上在之前的章节中有过详细的介绍。这里更进一步总结。之前讲过的简单的生成模型，包括： 高斯混合分布（GMM），GMM的主要任务是聚类，属于非监督学习； 而监督学习中的生成模型，最简单的有朴素贝叶斯模型，主要任
谈谈判别式模型和生成式模型？
七月在线实验室
04-25 572
今日面试题谈谈判别式模型和生成式模型？解析：判别方法：由数据直接学习决策函数 Y = f（X），或者由条件分布概率 P（Y|X）作为预测模型，即判别模型。生成方法：由数据...
【机器学习基础】无监督学习（5）——生成模型
「 虚幻私塾」
07-23 1604
通常生成模型是指学习样本数据的分布，可以生成一些新的数据，是相对于判别模型而言的，并不特指有监督学习和无监督学习，比如朴素贝叶斯模型就是一种生成模型。在这里生成模型主要指的是无监督学习中的生成模型，在无监督学习中的主要任务是让机器学习给定的样本，然后生成一些新的东西出来。比如给机器看一些图片，能够生成一些新的图片出来，给机器读一些诗，然后能够自己写诗出来。在前面所学习的无监督学习主要是针对降维的，成为化繁为简，那么在这里的生成模型则称之为无中生有。。VAE在训练时是重构误差加上上边那一项。。...
机器学习——判别式/生成式
yingzhengttt blog
07-09 412
接上一次生成式模型，本文主要通过Logistics Regression讲解判别式模型 由上文生成式模型的讲解，我们大致了解了生成式模型，首先通过假设某些条件求出了联合概率密度分布，再通过贝叶斯公式求出相应的分类概率。 判别式模型则是完全通过数据进行分析，没有任何人为的假设。 首先我们看一下上文中最后推出的后验概率： P(blue∣x)=P(x∣blue)P(blue)P(x∣blue)P(b...
机器学习 —— 李宏毅机器学习笔记（五）—— 概率生成模型
ProQianXiao的博客
03-19 8466
概率生成模型 概率生成模型，简称生成模型（Generative Model），是概率统计和机器学习中的一类重要模型，指一系列用于随机生成可观测数据的模型。生成模型的应用十分广泛，可以用来不同的数据进行建模，比如图像、文本、声音等。比如图像生成，我们将图像表示为一个随机向量X，其中每一维都表示一个像素值。假设自然场景的图像都服从一个未知的分布pr(x)，希望通过一些观测样本来估计其分布。也就是说...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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