机器学习中的判别式模型及生成式模型

本文对比了生成式模型与判别式模型的特点,并列举了两类模型中的典型算法,包括支持向量机、逻辑回归、朴素贝叶斯等,为读者提供了一个清晰的概念区分。

判别式模型(Discriminative Model)

  1.  逻辑回归(Logistic regression)
  2.  线性判别分析(Linear discriminant analysis)
  3.  支持向量机(Supportvector machines)
  4.  Boosting)
  5.  条件随机场(Conditional random fields)
  6.  线性回归(Linear regression)
  7.   神经网络(Neural network)

生成式模型(Generation Model)

  1. 高斯混合(Gaussian mixture model and othertypes of mixture model)
  2. 隐藏马尔科夫链(Hidden Markov model)
  3. 朴素贝叶斯(NaiveBayes)
  4. 依赖贝叶斯(AODE)
  5. LDA(Latent Dirichlet allocation)
  6. 受限玻尔兹曼机(Restricted Boltzmann Machine)


关于生成模型与判别模型的详细介绍:

http://blog.youkuaiyun.com/zouxy09/article/details/8195017

判别式模型生成式模型机器学习中两种常见的模型类型。生成式模型是通过学习数据的分布来建立模型P(y|x),然后利用该模型来生成新的数据。典型的生成式模型有朴素贝叶斯模型,它通过学习数据的分布来建立概率模型,然后利用该模型来生成新的数据。判别式模型是通过学习输入和输出之间的映射关系来建立模型y=f(x),然后利用该模型来预测新的输出。典型的判别式模型有支持向量机模型,它通过学习输入和输出之间的映射关系来建立分类模型,然后利用该模型来预测新的分类结果。生成式模型判别式模型都有各自的优缺点,选择哪种模型取决于具体的应用场景和数据特征。常见的生成式模型包括决策树、朴素贝叶斯、隐马尔可夫模型、条件随机场、概率潜在语义分析、潜在狄利克雷分配、高斯混合模型。常见的判别式模型包括感知机、支持向量机、K临近、Adaboost、K均值、潜在语义分析、神经网络。逻辑回归既可以看做是生成式模型,也可以看做是判别式模型。\[1\]\[2\] #### 引用[.reference_title] - *1* *2* [生成式模型判别式模型](https://blog.youkuaiyun.com/weixin_46359306/article/details/130422585)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [判别式模型生成式模型](https://blog.youkuaiyun.com/Ai_ViVi/article/details/41204309)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

uncle_ll

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
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