关于机器学习算法的判别式和生成式的总结。。

最新推荐文章于 2024-08-15 17:01:06 发布
转载 最新推荐文章于 2024-08-15 17:01:06 发布 · 838 阅读 · 0

本文深入探讨了判别式模型与生成式模型之间的关键区别，通过简洁明了的表述，帮助读者理解两种模型在机器学习领域的应用及原理。判别式模型专注于预测给定输入的输出，而生成式模型则试图理解数据的分布。
机器学习中的生成模型与判别模型
scott198512的博客
05-10 4607
机器学习生成模型与判别模型对比
判别式模型和生成式模型分别是什么？判别式模型和生成式模型的优缺点？
data+scenario+science+insight
06-16 647
判别式模型和生成式模型分别是什么？判别式模型和生成式模型的优缺点？ 目录 判别式模型和生成式模型分别是什么？判别式模型和生成式模型的优缺点？ 判别式模型和生成式模型分别是什么？ 山羊绵阳的例子 两者关系 优缺点 判别式模型和生成式模型分别是什么？ 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：由数据学习联合概率密度分布函数 P（X,Y）,然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型。由生成模型可以
（笔记）斯坦福机器学习第五讲--生成学习算法
weixin_30552811的博客
06-03 404
本讲内容 1. Generative learning algorithms（生成学习算法） 2. GDA（高斯判别分析） 3. Naive Bayes（朴素贝叶斯） 4. Laplace Smoothing（拉普拉斯平滑） 1.生成学习算法与判别学习算法 判别学习算法：直接学习或者学习一个假设直接输出0或者1。logistic回归是判别学习算法的一个例子。 生...
一步一步机器学习（三）：生成式学习算法
weixin_44609374的博客
02-18 1740
生成式学习算法与判别式学习在底层逻辑上有很大区别。生成式学习算法对于特征分布的建模，其思想是“知其然，也知其所以然”，采用贝叶斯推断（Bayes Rule）作为算法核心其实更体现出这是一种人工指导学习规则的学习算法，与大家熟知的“一步步减小损失函数”有很大的不同。具体看笔记。 生成式学习算法总结如下 ...
机器学习--生成学习算法
zkyzq的博客
07-01 791
这次的课Ng讲了一种与之前判别类算法不同的学习算法，称为生成学习算法(Generative Learning algorithms)。 一、简介     比如一个二分类问题，判别一种动物是大象还是狗，特征量有腿长，尾巴长，毛发浓密程度，体型等。有一批数据样本，之前的方法是对所有的数据建立模型，学习特征量和标签之间的关系，对于新输入的一个特征量，通过最优参数奠定的学习模型得出它是属于大象
斯坦福第五章：判别学习方法和生成学习方法的区别
welcome to daijiguo's blog
08-16 3806
之前的视频中讲到的方法都是直接对问题进行求解，比如二类分类问题，不管是感知器算法还是逻辑斯蒂回归算法，都是在解空间中寻找一条直线从而把两种类别的样例分开，对于新的样例只要判断在直线的哪一侧即可；这种直接对问 题求解的方法可以成为判别学习方法（discriminative learning algorithm）。 而生成 学习算法则是对两个类别分别进行建模，用新的样例去匹配两个模型，匹配度较 高的
判别式
weixin_30436891的博客
04-28 172
判别式学习算法和生成学习算法 判别式学习算法： 　　直接学习$p(y|x)$,即直接学习输入 转载于:https://www.cnblogs.com/ChenKe-cheng/p/10786773.html
精选资源
判别式模型和生成式模型的区别
01-07
X)，对未见示例X，根据P(Y|X)可以求得标记Y，即可以直接判别出来，如上图的左边所示，实际是就是直接得到了判别边界，所以传统的、耳熟能详的机器学习算法如线性回归模型、支持向量机SVM等都是判别式模型，...
生成式算法与判别式算法
小白进阶的博客
09-21 2554
前言：网易公开课机器学习 第五课 生成学习算法的观后感或者总结笔记1. 区别生成式算法：对p(x|y)和p(y)进行建模，也可以说是对p(x,y)进行建模，即求x，y的联合分布。比如GDA(Gaussian Discriminant Analysis)，有两个类别0和1，分别对p(x|y=0)和p(x|y=1)进行建模，还有p(y=0)和p(y=1)进行建模，最终y^=argmaxip(x|y=i)
谈谈判别式模型与生成式模型
黄飞的博客专栏
04-06 7884
判别式模型与生成式模型是机器学习领域中的基本概念，今天将两者的特点总结一下，如下表所示： 对比 判别式模型 生成式模型 特点 寻找不同类别之间的最优分类面，反映异类数据之间的差异 以统计的角度表示数据的分布情况，能够反映同类数据本身的相似度 区别（假如输入特征x,类别标签y） 估计的是条件概率分布：P(y|x) 估计的是联合概率分布 P(x,y) 联系 由判
机器学习：生成式模型和判别式模型
Yucen的博客
12-23 9775
决策函数Y=f(X)与条件概率分布P(Y|X) 决策函数Y=f(x)：输入一个x，它就输出一个y值，这个y与一个阈值比较，根据比较结果判定x属于哪个类别。 条件概率分布P(y|x)：输入一个x，它通过比较它属于所有类的概率，然后预测时应用最大后验概率法（MAP）即比较条件概率最大的类为x对应的类别。 举个例子，对于一个二分类问题：对于Y=f(x)形式的分类模型，如果输出Y大于某个阈值V就属于...
生成算法和判别算法
panghaomingme的博客
02-04 945
1) 判别学习算法： - 直接学习p(y|x)，即给定输入特征，输出所属的类 - 或学习得到一个假设hθ(x)，直接输出0或1 2) 生成学习算法： - 对p(x|y)进行建模，p(x|y)表示在给定所属的类的情况下，显示某种特征的概率。处于技术上的考虑，也会对p(y)进行建模。 - p(x|y)中的x表示一个生成模型对样本特征建立概率模型，y表示在给定样本所属类的条件下
[机器学习]判别式模型和生成式模型
玄学实验室
03-22 1393
这里是LeeTioN的博客 机器学习中有两大任务——监督学习和非监督学习。 其中监督学习的任务学习一个模型，拟合好目标问题的模型后，再将其应用。而监督学习的学习方法可以分为生成方法(Generative Approach)和判别方法(Discriminative Approach)。所学到的模型便称之为生成模型(Generative Model)和判别模型(Discriminative Mod...
生成式与判别式的区分
weixin_41690708的博客
09-21 876
生成式与判别式 区别 二者的区别主要就是由于一个是***联合概率分布P(x,y)***，另一个估计***条件概率分布P(y|x)***，而生成式模型能够根据贝叶斯公式得到判别式模型也是根据公式而来。联合概率分布，则是特征值对应某标签的概率，现在要判断一个特征值对应的标签，根据联合概率，只能算出其对应各标签的概率值，而只有通过比较全部的值才能知道属于哪个标签；而条件概率分布则是输入特征直接出来对应的...
产生式和判别式分类方法的区别
yan的博客
04-16 1074
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 1860
监督学习模型可以分为生成模型(generative model)和判别模型(discriminative model)
【大模型理论篇】生成式模型算法原理深入浅出（涉及Stable Diffusion、生成对抗网络、高斯混合模型、隐马尔可夫模型、朴素贝叶斯等算法原理分析及生成式模型解释）
源泉的小广场
08-15 6984
生成式ai、生成式模型、混合高斯模型、gmm、隐马尔可夫模型、hmm、朴素贝叶斯、naive bayesian、stable diffusion、稳定扩散模型、lda、主题模型、生成对抗模型、gan
Discriminative Learning (判别式学习）和Generative Learning（生成式学习）
weixin_43120238的博客
10-07 3942
Discriminative Learning 给定一个观测值x，判别式模型（discriminative model）是目标Y的条件概率，即P(Y∣X=x)P(Y|X =x)P(Y∣X=x)。 举个例子：（猫狗分类） Try to find a straight line (decision boundary) that can separates the cats and dogs. 寻找一个分类边界来将cats和dogs的数据分开。 Check which side of the new data..
6、生成式机器学习算法和判别式机器学习算法都有哪些，朴素贝叶斯属于生成式学习算法还是判别式机器学习算法
最新发布
10-16
生成式机器学习算法和判别式机器学习算法是两种不同的机器学习策略，主要用于预测或分类任务。 **生成式机器学习**，也称为概率建模，这类算法试图直接学习数据的概率分布，然后从这个分布中生成新的实例。典型的生成式模型有： 1. **朴素贝叶斯**：我们刚刚提到的，基于贝叶斯定理，通过计算特征给定类别的先验概率和联合概率来推断出新样本所属类别。 2. **隐马尔可夫模型（HMM）**：常用于序列数据，如语音识别和自然语言处理。 3. **马尔科夫随机场（CRF）**：另一个序列标注工具，用于诸如命名实体识别等任务。 **判别式机器学习**，则专注于直接学习输入数据和目标标签之间的映射函数。典型代表包括： 1. **逻辑回归（Logistic Regression）**：对输入进行线性变换后得出概率输出。 2. **支持向量机（SVM）**：寻找最优超平面将数据分开，并能泛化到未见过的数据。 3. **神经网络（特别是深度学习）**：通过大量的权重调整找出输入和标签间的复杂映射。 至于朴素贝叶斯，它确实是**生成式**机器学习的一种，因为它基于特征独立假设，尝试直接计算每个类别的联合概率，进而预测样本属于哪一类。
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