什麼是判別式模型和生成式模型

阿新 • • 發佈：2019-01-19

判別式模型(Discriminative Model)：直接對條件概率p(y|x)進行建模，常見判
別模型有：線性迴歸、決策樹、支援向量機SVM、k近鄰、神經網路等；
生成式模型(Generative Model)：對聯合分佈概率p(x,y)進行建模，常見生成式
模型有：隱馬爾可夫模型HMM、樸素貝葉斯模型、高斯混合模型GMM、LDA
等；
生成式模型更普適；判別式模型更直接，目標性更強
生成式模型關注資料是如何產生的，尋找的是資料分佈模型；判別式模型關注的
資料的差異性，尋找的是分類面
由生成式模型可以產生判別式模型，但是由判別式模式沒法形成生成式模型

機器學習之判別式模型和生成式模型

https://www.cnblogs.com/nolonely/p/6435213.html 判別式模型（Discriminative Model）是直接對條件概率p(y|x;θ)建模。常見的判別式模型有線性迴歸模型、線性判別分析、支援向量機SVM、神經網路、boosting

BAT面試題9：談談判別式模型和生成式模型？

BAT面試題9：談談判別式模型和生成式模型？ https://mp.weixin.qq.com/s/X7zWJCMN7gbCwqskIIpLcw 判別方法：由資料直接學習決策函式 Y = f（X），或者由條件分佈概率 P（Y|X）作為預測模型，即判別模型。生成

什麼是判別式模型和生成式模型

判別式模型(Discriminative Model)：直接對條件概率p(y|x)進行建模，常見判別模型有：線性迴歸、決策樹、支援向量機SVM、k近鄰、神經網路等；生成式模型(Generative Model)：對聯合分佈概率p(x,y)進行建模，常見生成式模型有：隱馬爾可夫

判別式模型 vs. 生成式模型

1. 簡介生成式模型(generative model)會對\(x\)和\(y\)的聯合分佈\(p(x,y)\)進行建模,然後通過貝葉斯公式來求得\(p(y|x)\), 最後選取使得\(p(y|x)\)最大的\(y_i\). 具體地, \(y_{*}=arg \max_{y_i}p(y_i|x)=ar

機器學習--判別式模型與生成式模型

一、引言　　本材料參考Andrew Ng大神的機器學習課程 http://cs229.stanford.edu 　　在上一篇有監督學習迴歸模型中，我們利用訓練集直接對條件概率p(y|x;θ)建模，例如logistic迴歸就利用hθ(x) = g(θTx)對p(y|x;θ)建模（其中g(z)是sigmoi

判別式模型與生成式模型(二)

一、引言　　本材料參考Andrew Ng大神的機器學習課程 http://cs229.stanford.edu 　　在上一篇有監督學習迴歸模型中，我們利用訓練集直接對條件概率p(y|x;θ)建模，例如logistic迴歸就利用hθ(x) = g(θTx)對p(y|x;θ)建模（其中g(z)是sigmoid

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之二（作者簡介）

AR aca rtu href beijing cert school start ica Brief Introduction of the AuthorChief Architect at 2Wave Technology Inc. (a startup company

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之一（簡介）

價值新書 The aar 生成 syn TE keras 第一章 A Gentle Introduction to Probabilistic Modeling and Density Estimation in Machine LearningAndA Detailed

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之五（第3章之 EM算法）

ado vpd dea bee OS deb -o blog Oz 機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之五（第3章之 EM算法）

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之六（第3章之 VI/VB算法）

dac term http 51cto -s mage 18C watermark BE ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之七（第4章之梯度估算）

.com 概率 roc 生成詳解 time 學習 style BE ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?機器學習中的概率模型和概率密度估計方法及V

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之八（第4章之 AEVB和VAE）

RM mes 9.png size mar evb DC 機器 DG ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之九（第5章總結）

ces mark TP 生成機器分享 png ffffff images ? ?機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之九（第5章總結）

【模式識別與機器學習】——判別式和產生式模型

（1）判別式模型（Discriminative Model）是直接對條件概率p(y|x;θ)建模。常見的判別式模型有線性迴歸模型、線性判別分析、支援向量機SVM、神經網路、boosting、條件隨機場等。　　舉例：要確定一個羊是山羊還是綿羊，用判別模型的方法是從歷史資料中學習到模型，然後通過提取這隻羊的特

機器學習_生成式模型與判別式模型

從概率分佈的角度看待模型。給個例子感覺一下: 如果我想知道一個人A說的是哪個國家的語言，我應該怎麼辦呢? 生成式模型我把每個國家的語言都學一遍，這樣我就能很容易知道A說的是哪國語言，並且C、D說的是哪國的我也可以知道，進一步我還能自己講不同國家語言。

機器學習中的概率模型和概率密度估計方法及 VAE生成式模型詳解（之二）

簡介非監督機器學習（Unsupervised Machine Learning）中的資料分佈密度估計（Density Estimation）、樣本取樣（Sampling）與生成（Generation，或Synthesis，即合成）等幾類任務具有重要的應用價值，這從近

生成式模型（generative） vs 判別式模型（discriminative）

Andrew Ng, On Discriminative vs. Generative classifiers: A comparison of logistic regression and n

判別式與生成式模型的區別

判別式模型與生成式模型的區別產生式模型(Generative Model)與判別式模型(Discrimitive Model)是分類器常遇到的概念，它們的區別在於：對於輸入x，類別標籤y：產生式模型估計它們的聯合概率分佈P(x,y) 判別式模型估計條件概率分佈P(y|x) 產生式模型可以根據貝葉

機器學習小問題 -- 生成式模型與判別式模型

本篇博文總結最近學習到的生成式模型與判別式模型的知識。 1. 簡介就像之前在總結分類和聚類時說的一樣，機器學習基本在做的事情就是在分類、打標籤，我們的模型也就像一個個分類機器（個人看法，歡迎指正）。而這麼多的模型，可以分為兩類：生成式模型與判別式模型。對於一個分類器

常見生成式模型與判別式模型

col 情況玻爾茲曼機 ron location 表示受限玻爾茲曼機貝葉斯馬爾科夫生成式模型 P(X,Y)對聯合概率進行建模，從統計的角度表示數據的分布情況，刻畫數據是如何生成的，收斂速度快。 • 1. 判別式分析 • 2. 樸素貝葉斯Nati