机器学习与数据挖掘之生成模型与判别模型
来源:互联网 发布:如何学好c语言 编辑:程序博客网 时间:2024/06/05 05:54
参考文献:机器学习与数据挖掘参考文献
监督学习的任务是学习一个模型,应用这一模型,对给定的输入预测相应的输出,这个模型的一般形式为决策函数:
Y=f(X)
或者条件概率分布:
P(Y|X)
监督学习方法分为生成方法和判别方法。所学到的模型分别称为生成模型和判别模型。
一、生成方法和判别方法
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)作出预测的模型,即生成模型:
P(Y|X)=P(X,Y)/P(X)
这样的方法之所以称为生成方法,是因为模型表示了给定输入X产生输出Y的生成关系。
判别方法有数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测的模型,即判别模型。判别方法关心的是对给定的输入X,应该预测什么样的输出Y。
二、生成方法和判别方法的优缺点
生成方法的特点:生成方法可以还原出联合概率分布P(X,Y),而判别方法则不能;生成方法的学习收敛速度更快,即当样本容量增加的时候,学到的模型可以更快地收敛于真实模型;当存在隐变量时,仍可以用生成方法学习,此时判别方法就不能用。
判别方法的特点:判别方法直接学习的是条件概率P(Y|X)或决策函数f(X),直接面对预测,往往学习的准确率更高;由于直接学习P(Y|X)或f(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,因此可以简化学习问题。
三、典型的生成模型和判别模型
典型生成模型:朴素贝叶斯法、贝叶斯网络、隐马尔可夫模型。
典型判别模型:k近邻法、感知机、决策树、逻辑斯谛回归模型、最大熵模型、支持向量机、提升方法、条件随机场、线性回归。
0 0
- 机器学习与数据挖掘之生成模型与判别模型
- 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---生成模型与判别模型
- 生成模型与判别模型
- 判别模型与生成模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型与判别模型
- 判别模型与生成模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型与判别模型
- 生成模型 与 判别模型
- ssm项目的搭建(入门级)
- Ext文档里的按钮总结
- OpenStack L版官网配置转载(五)
- 线性回归
- sparkSQL1.1入门之九:sparkSQL之调优
- 机器学习与数据挖掘之生成模型与判别模型
- jQuery datatable获取当前页面,刷新时保存在当前页面
- PHP,C++ 通用加解密,需要md5,base64 支持
- GreenDao 3.2.0使用教程
- @Controller 和@RestController 的区别
- Eclipse错误:找不到或无法加载主类 解决办法
- Spring MVC数据绑定400错误
- android-partition分析
- QT学习之设置界面风格