机器学习：判别模型与生成模型
根据网上的相关博客总结了一下机器学习中的这两个概念，参考博客见文末。 生成模型：无穷样本==》概率密度模型 = 生成模型==》预测 判别模型：有限样本==》判别函数 = 预测模型==》预测 机器学习中的模型一般分为两类：判别模型、生成模型，这是对问题的两种不同的审视角度。 假设 ...
原文：【机器学习】判别模型和生成模型
判别式模型 discriminative model 产生式模型 generative model 特点 寻找不同类别之间的最优分类面，反映的是异类数据之间的差异 对后验概率建模，从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 假定输入x,类别标签y 估计的是条件概率分布 conditional distribution :P y x 估计的是联合概率分布 joint pro ...
2017-06-19 10:38 0 4972 推荐指数：
相关推荐
机器学习之生成模型和判别模型
一、引言 本材料参考Andrew Ng大神的机器学习课程 http://cs229.stanford.edu 在上一篇有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z ...
机器学习中的生成模型和判别模型
1、生成模型和判别模型的定义 对于输入数据集X，输出类别Y，生成模型和判别模型可以这样定义 判别模型：由数据集直接学习决策函数y = f(x) 或者条件概率分布P(y|x) 作为预测的模型（决策函数事实上是可以用条件概率表示的，例如在逻辑回归中的决策函数和转换成条件概率），这样的模型 ...
机器学习，模型——生成模型（generative model）和判别模型（Discriminative model）
1.生成模型与判别模型区别 生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。 数据要求：生成模型需要的数据量比较大，能够较好地估计 ...
机器学习--判别式模型与生成式模型
一、引言 本材料参考Andrew Ng大神的机器学习课程 http://cs229.stanford.edu 在上一篇有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z ...
机器学习之判别式模型和生成式模型
判别式模型（Discriminative Model）是直接对条件概率p(y|x;θ)建模。常见的判别式模型有线性回归模型、线性判别分析、支持向量机SVM、神经网络、boosting、条件随机场等。 举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只 ...
机器学习面试题001：生成模型与判别模型
目录 两者所属范畴 生成模型定义 为什么叫生成模型？ 判别模型定义 一个例子通俗解释两者 判别模型 VS 生成模型优缺点 参考资料 两者所属范畴 返回 ...
生成模型和判别模型
生成模型（Generative）和判别模型（Discriminative） 生成模型（Generative）和判别模型（Discriminative） 引言 最近看文章《 A survey of appearance models ...