第1章 统计学习方法概论——第7节 生成模型与判决模型
2015-03-25 14:30
316 查看
关于统计学习方法的知识,参考书《统计学习方法》,李航著,清华大学出版社。
第一章 统计学习方法概论
第7节 生成模型与判决模型
监督学习学到的模型又可以划分为生成模型(generative model)和判决模型(discriminative model)。
一、生成模型:
生成方法由数据学习联合概率分布P(X, Y),然后求出条件概率分布
P(Y|X) = P(X, Y) / P(X)
作为学到的模型,即生成模型。
之所以称为生成模型,是因为模型表示了给定输入X产生输出Y的生成关系。
典型的生成模型有:朴素贝叶斯法和隐马尔可夫模型。
二、判决模型:
判决方法由数据直接学习得到决策函数f(X)或条件概率分布P(Y|X)作为学到的模型,叫做判决模型。
典型的判决模型有:k近邻法、感知机、决策树、逻辑回归、最大熵模型、支持向量机、adaboost和条件随机场等。
三、二者优缺点:
生成模型:
1、可还原出联合概率分布,但判决模型不可以。
2、学习收敛的速度更快。当样本容量增加时,模型更快地收敛于真实模型。
3、当存在隐变量时,仍可以用生成方法,而判决方法此时不可用。
判决模型:
1、直接学习出条件概率或决策函数,直接面对预测,往往学习的准确率更高。
2、由于直接学习P(Y|X)或f(X),可对数据进行各种程度上的抽象,即便于定义并使用特征,从而简化学习问题。
第一章 统计学习方法概论
第7节 生成模型与判决模型
监督学习学到的模型又可以划分为生成模型(generative model)和判决模型(discriminative model)。
一、生成模型:
生成方法由数据学习联合概率分布P(X, Y),然后求出条件概率分布
P(Y|X) = P(X, Y) / P(X)
作为学到的模型,即生成模型。
之所以称为生成模型,是因为模型表示了给定输入X产生输出Y的生成关系。
典型的生成模型有:朴素贝叶斯法和隐马尔可夫模型。
二、判决模型:
判决方法由数据直接学习得到决策函数f(X)或条件概率分布P(Y|X)作为学到的模型,叫做判决模型。
典型的判决模型有:k近邻法、感知机、决策树、逻辑回归、最大熵模型、支持向量机、adaboost和条件随机场等。
三、二者优缺点:
生成模型:
1、可还原出联合概率分布,但判决模型不可以。
2、学习收敛的速度更快。当样本容量增加时,模型更快地收敛于真实模型。
3、当存在隐变量时,仍可以用生成方法,而判决方法此时不可用。
判决模型:
1、直接学习出条件概率或决策函数,直接面对预测,往往学习的准确率更高。
2、由于直接学习P(Y|X)或f(X),可对数据进行各种程度上的抽象,即便于定义并使用特征,从而简化学习问题。
相关文章推荐
- 第1章 统计学习方法概论——第4~6节 模型选择、正则化和交叉验证、泛化能力
- 统计学习方法 第1章 概论
- 统计学习方法 李航---第1章 统计学习方法概论
- 统计学习方法 第1章 统计学习方法概论
- 统计学习方法 李航---第1章 统计学习方法概论
- 统计学习方法(Machine Learning)------- 第1章 统计学习方法概论
- 第1章 统计学习方法概论——第8~10节 分类、标注、回归问题
- 统计学习笔记(1)——统计学习方法概论
- 感知机——统计学习方法之感知机模型
- 统计学习方法 --- 感知机模型原理及c++实现
- 统计学习方法(一)——统计学习方法概论
- 1 - 统计学习方法概论
- 统计机器学习(1)-统计学习方法概论
- 统计学习方法概论
- 统计学习笔记(1)——统计学习方法概论
- 机器学习-统计学习方法概论
- 第一章统计学习方法概论
- 统计学习笔记(1)——统计学习方法概论
- 统计学习方法笔记 -- 概论
- 统计学习方法——模型的选择与评估(过拟合、泛化能力)