生成模型(Generative Model)

本文介绍了生成模型的基本概念,其目标是学习样本数据的分布以便生成新的数据点。生成模型通过假设样本分布(如高斯分布),利用样本计算分布参数,并常采用联合分布以降低参数数量。在实际操作中,生成模型会涉及分类问题,如计算条件概率P(A|B)。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 基本概念

目标是学习样本点的分布。学到后可以生成数据,故称为生成模型。

2. 实现步骤

(1)  假设样本点的分布(例如高斯分布)

(2) 通过样本点计算均值\mu和方差\tiny \sum

通常使用联合分布以减少参数的个数。

共用协方差矩阵后,边界形状发生变化。

(3)分类

P(A|B),读作“在B的条件下A的概率”。

 

 

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
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