機器學習判別式與生成式
在機器學習中,對於監督學習我們可以將其分為兩類模型:判別式模型和生成式模型。可以簡單地說,生成式模型是針對聯合分佈進行建模,而判別式模型則針對條件分佈建模。
從感性上認識,生成式能學習到更多資訊,而判別式則較少,就好比學習英語,有類人只學會聽懂這是英語,有類人學會了聽懂這是英語並且知道說的是什麼。另外,生成式模型在一定條件下也可以轉換成判別式模型,比如通過貝葉斯公式進行轉換。
常見生成式模型
- 混合高斯模型,估計了不同輸入和類別的聯合分佈。
- 樸素貝葉斯,模型訓練時採用聯合概率分佈積。
- 隱馬爾科夫模型,建立了狀態序列和觀察序列的聯合分佈。
- 貝葉斯網路,概率圖模型中的有向圖網路,對聯合分佈建模,由各自區域性條件概率分佈相乘。
- 馬爾科夫隨機場,概率圖模型中無向圖網路,同樣對聯合分佈建模,分解為極大團上勢函式的乘積。