189 8069 5689

机器学习中生成模型和判别模型是什么

本篇内容介绍了“机器学习中生成模型和判别模型是什么”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

创新互联建站"三网合一"的企业建站思路。企业可建设拥有电脑版、微信版、手机版的企业网站。实现跨屏营销,产品发布一步更新,电脑网络+移动网络一网打尽,满足企业的营销需求!创新互联建站具备承接各种类型的成都做网站、成都网站制作项目的能力。经过十年的努力的开拓,为不同行业的企事业单位提供了优质的服务,并获得了客户的一致好评。

两个模型是啥

我们从几句话进入这两个概念: 
1、机器学习分为有监督的机器学习和无监督的机器学习; 
2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器,无监督的机器学习就是不知道训练集的类别情况来训练分类器; 
3、所以说,有监督的机器学习可以抽象为一个分类 task,而无监督的基本完成的是聚类; 
4、有监督的机器学习中,我们可以概述为通过很多有标记的数据,训练出一个模型,然后利用这个,对输入的X进行预测输出的Y。这个模型一般有两种:

决策函数:Y=f(X) 
条件概率分布:P(Y|X)

5、根据通过学习数据来获取这两种模型的方法,我们可以分为判别方法和生成方法;

6、概念正式介绍

判别方法:由数据直接学习决策函数Y=f(X)或条件概率分布P(Y|X)作为预测模型,即判别模型。判别方法关心的是对于给定的输入X,应该预测什么样的输出Y。

数据直接学习决策函数 Y=f(X) 或条件概率分布 P(Y|X) 得到的预测模型,就是判别模型;

生成方法:由数据学习联合概率分布P(X,Y), 然后由P(Y|X)=P(X,Y)/P(X)求出概率分布P(Y|X)作为预测的模型。该方法表示了给定输入X与产生输出Y的生成关系

P(Y|X)作为的预测的模型就是生成模型;

两个模型的范例

生成模型:朴素贝叶斯(Naive Bayes)、隐马尔可夫(EM 算法) 
判别模型:k近邻法、感知机、决策树、逻辑回归、线性回归、最大熵模型、支持向量机(SVM)、提升方法、条件随机场(CRF),神经网络

对比

1、生成模型可以还原出联合概率分布(还原数据本身相似度),而判别方法不能; 
2、生成方法的学习收敛速度更快,当样本容量增加的时候,学到的模型可以更快的收敛于真实模型; 
3、当存在隐变量时,仍可以利用生成方法学习,此时判别方法不能用; 
4、判别学习不能反映训练数据本身的特性,但它寻找不同类别之间的最优分类面,反映的是异类数据之间的差异,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Y=f(X),从而可以简化学习; 
5、简单的说,生成模型是从大量的数据中找规律,属于统计学习;而判别模型只关心不同类型的数据的差别,利用差别来分类。

机器学习中生成模型和判别模型是什么

判别模型  是在你生父身高超过180的已知条件下,预测你身高会不会超过180。如果你生父比180高,那么你比180高的概率会增加。但是全世界人身高的概率分布暂时并没有改变。(为了科学的严谨,这里爸爸已经改成了生父而非父亲)

生成模型  则是随机赐予你一个成年后的最高身高。身高超过180的概率是多少,这个概率只能依照全世界所有成人的身高的频率分布来决定。

“机器学习中生成模型和判别模型是什么”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!


当前名称:机器学习中生成模型和判别模型是什么
文章位置:http://cdxtjz.cn/article/ihhhhi.html

其他资讯