1.7生成模型和判别模型

生成模型：通过学习联合概率P(X,Y)，然后求出条件分布P(Y|X)为预测模型，典型如：朴素贝叶斯模型，隐马尔科夫模型
判别模型：学习的是条件概率P(Y|X)和决策函数f(X)作为预测函数，典型如：k临近法，感知机，决策树，logistic回归模型，最大熵模型，支持向量机，提升方法，条件随机场
生成优点：生成方法可以还原出联合概率P(X,Y)，判别不能，生成方法收敛更快，存在隐变量时，不能使用判别模型；
判别优点：直接面对预测，学习的准确率更高，可以简化学习问题。

不是很直观，后续解决？