判别模型与生成模型
2018-03-14 23:05
260 查看
监督学习方法可以分为 生成方法 和 判别方法,所学到的模型分别称为 生成模型 和 判别模型。
P(Y|X)=P(X,Y)P(X)P(Y|X)=P(X,Y)P(X)
生成模型关注的是:给定输入 XX 产生输出 YY 的生成关系。
典型的生成模型有: 朴素贝叶斯模型 和 因马尔科夫模型。
生成方法的特点 : 生成方法可以还原出联合概率分布 P(X,Y)P(X,Y),而判别方法则不能;生成方法的学习收敛速度更快,而且当存在隐变量时,仍可以使用生成模型,而判别模型就不能用。
判别方法更关心的是: 给定输入 XX ,应该预测出什么样的输出 YY 。
典型的判别模型有:kk 近邻法、感知机、决策树、LogisticLogistic 回归模型、最大熵模型、支持向量机、提升方法 和 条件随机场 等。
判别方法的特点:判别方法直接学习的是 条件概率 P(Y|X)P(Y|X) 或决策函数 f(X)f(X), 直接面对预测,往往学习的准确率更高。
生成方法
生成方法是指由数据学习联合概率分布 P(X,Y)P(X,Y) ,然后求出条件概率分布 P(Y|X)P(Y|X) 作为预测的模型,即生成模型:P(Y|X)=P(X,Y)P(X)P(Y|X)=P(X,Y)P(X)
生成模型关注的是:给定输入 XX 产生输出 YY 的生成关系。
典型的生成模型有: 朴素贝叶斯模型 和 因马尔科夫模型。
生成方法的特点 : 生成方法可以还原出联合概率分布 P(X,Y)P(X,Y),而判别方法则不能;生成方法的学习收敛速度更快,而且当存在隐变量时,仍可以使用生成模型,而判别模型就不能用。
判别方法
判别方法由数据直接学习 决策函数 f(X)f(X) 或者条件概率分布 P(Y|X)P(Y|X) 作为预测的模型,即判别模型。判别方法更关心的是: 给定输入 XX ,应该预测出什么样的输出 YY 。
典型的判别模型有:kk 近邻法、感知机、决策树、LogisticLogistic 回归模型、最大熵模型、支持向量机、提升方法 和 条件随机场 等。
判别方法的特点:判别方法直接学习的是 条件概率 P(Y|X)P(Y|X) 或决策函数 f(X)f(X), 直接面对预测,往往学习的准确率更高。
相关文章推荐
- 判别模型、生成模型与朴素贝叶斯方法
- 判别模型与生成模型
- 判别模型与生成模型的区别
- 判别模型(Discriminative Model)和生成模型(Generative Model)
- 判别模型、生成模型与朴素贝叶斯方法
- 判别模型 和 生成模型
- 生成模型和判别模型
- 机器学习:判别模型与生成模型
- 从贝叶斯模型(Bayes)到生成模型(Generative models)(生成式分类器,generative classifier)
- 编写S-Function,创建Simulink模型并生成C++代码,编译生成可调用的动态库dll(From Simulink model to DLL A tutorial)
- Visual Studio 2013 EF5实体数据模型 EDMX 使用 T4模板生成后使用 ObjectContext对象
- kruskal算法实现最小生成树(图模型+小根堆+并查集)
- 概率图模型之生成模型与判别模型
- ASP.NET MVC 3 配置EF自动生成模型
- 生成模型、最大化似然、KL散度
- caffe学习笔记-模型代码生成.prototxt文件
- TensorRT加速 ——NVIDIA终端AI芯片加速用,可以直接利用caffe或TensorFlow生成的模型来predict(inference)
- 根据powerdesigner的OO模型生成C#代码
- PowerDesigner15.1创建模型及生成带中文注释
- TensorFlow文本摘要生成 - 基于注意力的序列到序列模型