【机器学习】判别模型vs生成模型
来源:互联网 发布:国家知织产权局专利局 编辑:程序博客网 时间:2024/06/05 11:01
判别模型vs生成模型
条件概率分布p(y|x)
从概率的角度来看监督学习的话,其实就是从数据集中学习条件概率分布p(y|x)。其中,
比如,现在的一个问题为判定一个动物是汪星人还是喵星人。这个问题可以表示为x=[叫声,食物,毛的颜色],y=[汪星人,喵星人]。监督学习就是去比较p(y=汪星人|x) 和p(y=喵星人|x)的概率谁大,预测给定的动物为概率较大的动物。
判别模型(discriminative model) vs 生成模型(generative model)
监督学习中估计p(y|x)的方法分为两种:判别方法和生成方法,其对应的就是判别模型和生成模型。
判别模型:基于给定的数据集,直接计算p(y|x),形象的说就是直接学习找到一条决策边界,判别数据的类别标签,在决策边界一侧的是类别0,在另外一侧的是类别1。形象的描述可以使用下图表示:给定一堆的蓝色和红色的点,监督学习通过不断的学习找到了一条直线,这条直线尽可能的将不同颜色的点划分开来。当给定了一个新的点,如果这个条落在直线的上方,则判定为红色,否则为蓝色。
考虑上述所说的判定动物为猫还是狗的问题,用判别模型解决就是,通过观察这个动物的叫声、食物和毛的颜色特征,来直接判定这个动物是属于汪星人还是汪星人。常见的判别模型有KNN,决策树,PLA等。
生成模型 :基于给定的数据集,首先要学习得到其联合概率分布p(x,y)和p(x),再通过等式
在生成模型中,我们还需要对
生成模型中常见的有:NB,HMM等。
判别模型和生成模型的优缺点
判别模型:
- 缺点:判别模型直接学习
- 但是正是由于判别模型不关心
生成模型:
- 缺点:与判别模型相反,生成模型因为考虑了
- 优点: 生成模型可以学习到数据本身的特征,并且可以将学习到的特征,应用到其他判别问题上。如果估计的问题并不是数据所属的类别y,而是某个隐藏的特性z,生成模型就可以估计出隐藏变量z的分布,判别模型就无法做到:
- 【机器学习】判别模型vs生成模型
- 机器学习:判别模型与生成模型
- 机器学习:判别模型与生成模型
- 机器学习:判别模型与生成模型
- 机器学习:生成模型和判别模型
- 机器学习---生成模型与判别模型
- 【机器学习】生成模型和判别模型
- 判别模型VS生成模型
- 【机器学习基础】生成模型和判别模型
- 机器学习中的判别模型和生成模型
- 【机器学习基础】生成模型和判别模型
- 机器学习基础---生成模型和判别模型
- 深入浅出机器学习之生成模型,高斯判别
- 判别模型和生成学习
- 生成模型、判别模型
- 判别模型、生成模型
- 监督学习:生成模型和判别模型
- 机器学习 之 生成式模型 VS 判别式模型
- The Linux Programming Interface 04 File I/O: The Universal I/O Model 通用I/O模型
- gulp入门(3)- gulp-minify-css
- ios中遍历的方法总结
- 在iOS中读取本地文件
- HashMap是如何来的
- 【机器学习】判别模型vs生成模型
- 阿里面试题-如何减少上下文切换?
- Java lambda 表达式
- 容器之HashMap浅谈
- CC3200库函数调用-自用控制引脚
- 475. Heaters
- vue.js $set的使用 数组
- 离散数学数理逻辑部分部分稿件loading
- 消除RadioButton中的自带的圆圈