判别式模型与生成式模型
2015-12-07 16:09
218 查看
判别式模型
该模型主要对p(y|x)建模,通过x来预测y。在建模的过程中不需要关注联合概率分布。只关心如何优化p(y|x)使得数据可分。通常,判别式模型在分类任务中的表现要好于生成式模型。但判别模型建模过程中通常为有监督的,而且难以被扩展成无监督的。
常见的判别式模型有:
Logistic regression
Linear discriminant analysis
Support vector machines
Boosting
Conditional random fields
Linear regression
Neural networks
生成式模型
该模型对观察序列的联合概率分布p(x,y)建模,在获取联合概率分布之后,可以通过贝叶斯公式得到条件概率分布。生成式模型所带的信息要比判别式模型更丰富。除此之外,生成式模型较为容易的实现增量学习。
常见的生成式模型有:
Gaussian mixture model and other types of mixture model
Hidden Markov model
Naive Bayes
AODE
Latent Dirichlet allocation
Restricted Boltzmann Machine
由上可知,判别模型与生成模型的最重要的不同是,训练时的目标不同,判别模型主要优化条件概率分布,使得x,y更加对应,在分类中就是更可分。而生成模型主要是优化训练数据的联合分布概率。而同时,生成模型可以通过贝叶斯得到判别模型,但判别模型无法得到生成模型。
分类: nlp
该模型主要对p(y|x)建模,通过x来预测y。在建模的过程中不需要关注联合概率分布。只关心如何优化p(y|x)使得数据可分。通常,判别式模型在分类任务中的表现要好于生成式模型。但判别模型建模过程中通常为有监督的,而且难以被扩展成无监督的。
常见的判别式模型有:
Logistic regression
Linear discriminant analysis
Support vector machines
Boosting
Conditional random fields
Linear regression
Neural networks
生成式模型
该模型对观察序列的联合概率分布p(x,y)建模,在获取联合概率分布之后,可以通过贝叶斯公式得到条件概率分布。生成式模型所带的信息要比判别式模型更丰富。除此之外,生成式模型较为容易的实现增量学习。
常见的生成式模型有:
Gaussian mixture model and other types of mixture model
Hidden Markov model
Naive Bayes
AODE
Latent Dirichlet allocation
Restricted Boltzmann Machine
由上可知,判别模型与生成模型的最重要的不同是,训练时的目标不同,判别模型主要优化条件概率分布,使得x,y更加对应,在分类中就是更可分。而生成模型主要是优化训练数据的联合分布概率。而同时,生成模型可以通过贝叶斯得到判别模型,但判别模型无法得到生成模型。
分类: nlp
相关文章推荐
- Android学习之保存用户登录信息
- <mvc:resources>
- android学习笔记10(1)——初识Activity和ACtivity的四种启动模式(LaunchMode)
- Merge Sorted Array
- xUtils 源码解析
- 使用 navigator.sendBeacon() 上报数据
- linux
- oracle 插入时间
- [leetcode] 14. Longest Common Prefix
- Windows Service服务的调试
- 第十五周项目一~验证算法
- oracle数据文件recover恢复过程
- 【java基础】Java 中的进程与线程
- 建堆
- Windows下用VS调用igraph库
- 使用shell定时自动备份mysql数据库
- 2015年12月7日
- pxe无人值守
- 第十二周 项目四(1)-是否有简单路径?
- 173、Binary Search Tree Iterator