生成模型(generative model)与判别模型(discriminate)的联系及区别
2017-05-16 18:22
615 查看
生成模型与判别模型的联系及区别
监督学习——学习一个模型
模型的一般形式
决策函数 Y=f(X)
条件概率分布:P(Y|X)
生成方法
由数据学习联合概率分布P(Y,X)作为预测的模型,即生成模型P(Y|X)=P(Y,X)P(X)
模型表示了给定输入X,产生输出Y的生成关系
examples
朴素贝叶斯、隐马尔科夫模型
判别方法
由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测模型
比较关心:给定输入X,输出什么样的Y
examples
感知机、决策树、logistic regression,最大熵,SVM,Adaboost,条件随机场
联系与区别
生成学习法
还原出联合概率分布P(Y,X)
学习收敛速度快
样本容量增加时,模型快速收敛于真实的model
判别方法
直接学习的是Y=f(X)或P(Y|X)
可以对数据进行各种程度上的抽象
定义特征并使用特征可以简化学习问题
监督学习——学习一个模型
模型的一般形式
决策函数 Y=f(X)
条件概率分布:P(Y|X)
生成方法
由数据学习联合概率分布P(Y,X)作为预测的模型,即生成模型P(Y|X)=P(Y,X)P(X)
模型表示了给定输入X,产生输出Y的生成关系
examples
朴素贝叶斯、隐马尔科夫模型
判别方法
由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测模型
比较关心:给定输入X,输出什么样的Y
examples
感知机、决策树、logistic regression,最大熵,SVM,Adaboost,条件随机场
联系与区别
生成学习法
还原出联合概率分布P(Y,X)
学习收敛速度快
样本容量增加时,模型快速收敛于真实的model
判别方法
直接学习的是Y=f(X)或P(Y|X)
可以对数据进行各种程度上的抽象
定义特征并使用特征可以简化学习问题
相关文章推荐
- 什么是判别模型(Discriminative Model)和生成模型(Generative Model)
- 判别模型(Discriminative model)和生成模型(Generative model)
- 生成模型(Generative Model)Vs 判别模型(Discriminative Model)
- 生成模型(Generative Model)Vs 判别模型(Discriminative Model)
- 什么是判别模型(Discriminative Model)和生成模型(Generative Model)
- 生成模型(Generative Model)Vs 判别模型(Discriminative Model)
- 判别模型(descriminative model)+生成模型(generative model)
- 生成模型(Generative Model)与判别模型(Discriminative Model)
- 判别模型(discriminative model) 和 生成模型(generative model)
- 判别模型和生成模型的区别
- 判别模型与生成模型的区别
- 生成模型和判别模型的区别
- 判别模型(Discriminative Model)和生成模型(Generative Model)
- [机器学习入门] 李宏毅机器学习笔记-20 (Deep Generative Model-part 3:深度生成模型-part 3)
- 机器学习总结(一):生成模型与判别模型的区别
- 判别式模型(discriminative model) 和生成式模型(generative model)的区别
- 机器学习入门系列05,Classification: Probabilistic Generative Model(分类:概率生成模型)
- 生成模型(Generative)和判别模型(Discriminative)
- 生成模型与判别模型的区别
- 17.5.8 生成模型(Generative model)和判别模型(Discriminative model)的区别