機(jī)器學(xué)習(xí)之生成模型和判別模型

直觀理解

判別模型之所以稱為“判別”模型,是因?yàn)槠涓鶕?jù)X“判別”Y戒劫;

生成模型之所以稱為“生成”模型岳守,是因?yàn)槠漕A(yù)測的根據(jù)是聯(lián)合概率P(X,Y)耘沼,而聯(lián)合概率可以理解為“生成”(X,Y)樣本的概率分布(或稱為依據(jù))。

判別模型是直接基于后驗(yàn)條件概率進(jìn)行建模盅藻,而生成模型是對聯(lián)合分布進(jìn)行建模购桑。并且生成模型可以推到判別后驗(yàn)式子,但判別模型卻無法推斷出聯(lián)合分布氏淑。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末勃蜘,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子假残,更是在濱河造成了極大的恐慌缭贡,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,591評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異阳惹,居然都是意外死亡坑资,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,448評論 3 392
  • 文/潘曉璐 我一進(jìn)店門穆端,熙熙樓的掌柜王于貴愁眉苦臉地迎上來袱贮,“玉大人,你說我怎么就攤上這事体啰≡芪。” “怎么了?”我有些...
    開封第一講書人閱讀 162,823評論 0 353
  • 文/不壞的土叔 我叫張陵荒勇,是天一觀的道長柒莉。 經(jīng)常有香客問我,道長沽翔,這世上最難降的妖魔是什么兢孝? 我笑而不...
    開封第一講書人閱讀 58,204評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮仅偎,結(jié)果婚禮上跨蟹,老公的妹妹穿的比我還像新娘。我一直安慰自己橘沥,他們只是感情好窗轩,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,228評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著座咆,像睡著了一般痢艺。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上介陶,一...
    開封第一講書人閱讀 51,190評論 1 299
  • 那天堤舒,我揣著相機(jī)與錄音,去河邊找鬼哺呜。 笑死舌缤,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的弦牡。 我是一名探鬼主播友驮,決...
    沈念sama閱讀 40,078評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼驾锰!你這毒婦竟也來了卸留?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,923評論 0 274
  • 序言:老撾萬榮一對情侶失蹤椭豫,失蹤者是張志新(化名)和其女友劉穎耻瑟,沒想到半個月后旨指,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,334評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡喳整,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,550評論 2 333
  • 正文 我和宋清朗相戀三年谆构,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片框都。...
    茶點(diǎn)故事閱讀 39,727評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡搬素,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出魏保,到底是詐尸還是另有隱情熬尺,我是刑警寧澤,帶...
    沈念sama閱讀 35,428評論 5 343
  • 正文 年R本政府宣布谓罗,位于F島的核電站粱哼,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏檩咱。R本人自食惡果不足惜揭措,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,022評論 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望刻蚯。 院中可真熱鬧绊含,春花似錦、人聲如沸芦倒。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,672評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽兵扬。三九已至,卻和暖如春口蝠,著一層夾襖步出監(jiān)牢的瞬間器钟,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,826評論 1 269
  • 我被黑心中介騙來泰國打工妙蔗, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留傲霸,地道東北人。 一個月前我還...
    沈念sama閱讀 47,734評論 2 368
  • 正文 我出身青樓眉反,卻偏偏與公主長得像昙啄,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子寸五,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,619評論 2 354

推薦閱讀更多精彩內(nèi)容

  • 摘要:在深度學(xué)習(xí)之前已經(jīng)有很多生成模型淹接,但苦于生成模型難以描述難以建模,科研人員遇到了很多挑戰(zhàn)叛溢,而深度學(xué)習(xí)的出現(xiàn)幫...
    肆虐的悲傷閱讀 11,280評論 1 21
  • 來源: 生成模型與判別模型 一塑悼、決策函數(shù)Y=f(X)或者條件概率分布P(Y|X) 監(jiān)督學(xué)習(xí)的任務(wù)就是從數(shù)據(jù)中學(xué)習(xí)一...
    SUNFC閱讀 821評論 0 1
  • 引入 監(jiān)督學(xué)習(xí)的任務(wù)就是學(xué)習(xí)一個模型(或者得到一個目標(biāo)函數(shù)),應(yīng)用這一模型,對給定的輸入預(yù)測相應(yīng)的輸出楷掉。這一模型的...
    JasonDing閱讀 12,980評論 0 18
  • 這個也就是后面很火的厢蒜,GAN(生成式對抗網(wǎng)絡(luò))中生成模型G與判別模型D之間的互相對抗了。 參考博客 判別模型和生成...
    小碧小琳閱讀 2,462評論 0 2
  • 之前了解到的都是有監(jiān)督學(xué)習(xí)(Supervised Learning):我們有數(shù)據(jù)x和標(biāo)簽y烹植,目標(biāo)是學(xué)習(xí)到一個函數(shù)可...
    HRain閱讀 2,191評論 1 6