什么是生成模型和判别模型?它们之间有什么区别?
0 1406
0
该提问暂无详细描述
收藏
2021-01-07 16:03 更新 🍊小桔子 •  2439
共 1 个回答
高赞 时间
0

本质上讲,机器学习中有两种模型:生成模型和判别模型。 假设你有一个监督学习任务,其中xi是数据点的给定特征,而yi是相应的标签。 预测未来的𝑦的一种方法是从(xi,yi)学习一个函数𝑓,该函数学习𝑥并输出最可能的𝑦。由于正在学习如何区分不同类别的𝑥,因此此类模型属于判别模型。支持向量机,神经网络等方法都属于此类。即使能够非常准确地对数据进行分类,你也不知道数据是如何生成的。 第二种方法是对数据的生成方式进行建模,并学习一个函数𝑓(𝑥,𝑦),该函数对由𝑥和𝑦共同确定的配置给出得分。然后,可以通过找到分数最高的那一个𝑓(𝑥,𝑦)来为𝑥预测一个新𝑦。一个典型的例子是高斯混合模型。 假设你的数据如下所示: 假定数据点的生成如下: 1.对一个簇进行采样:红色,绿色或蓝色。 2.给定簇,从该簇中心周围的高斯分布中绘制一个数据点。 第一步,需要一个分布𝑃(𝑦)。 第二步,需将分布𝑃(𝑥|y1),𝑃(𝑥|y2)和𝑃(𝑥|y3)定义为均值和方差不同的高斯分布。根据步骤1的输出,可以从其中一个分布中进行采样。 联合概率𝑃(𝑥,𝑦)由𝑃(𝑦)𝑃(𝑥|𝑦)给出。 因此,与判别模型设置不同,你已经明确地建模了数据的生成方式。请注意,真实数据几乎总是从复杂得多的过程中生成的,算法的性能将取决于模拟真实世界数据生成的能力。

收藏
2021-01-08 18:05 更新 Lisa •  1796