内容简介：在机器学习中，对于监督学习我们可以将其分为两类模型：判别式模型和生成式模型。可以简单地说，生成式模型是针对联合分布进行建模，而判别式模型则针对条件分布建模。从感性上认识，生成式能学习到更多信息，而判别式则较少，就好比学习英语，有类人只学会听懂这是英语，有类人学会了听懂这是英语并且知道说的是什么。另外，生成式模型在一定条件下也可以转换成判别式模型，比如通过贝叶斯公式进行转换。
在机器学习中，对于监督学习我们可以将其分为两类模型：判别式模型和生成式模型。可以简单地说，生成式模型是针对联合分布进行建模，而判别式模型则针对条件分布建模。
从感性上认识，生成式能学习到更多信息，而判别式则较少，就好比学习英语，有类人只学会听懂这是英语，有类人学会了听懂这是英语并且知道说的是什么。另外，生成式模型在一定条件下也可以转换成判别式模型，比如通过贝叶斯公式进行转换。
常见生成式模型
- 混合高斯模型，估计了不同输入和类别的联合分布。
- 朴素贝叶斯，模型训练时采用联合概率分布积。
- 隐马尔科夫模型，建立了状态序列和观察序列的联合分布。
- 贝叶斯网络，概率图模型中的有向图网络，对联合分布建模，由各自局部条件概率分布相乘。
- 马尔科夫随机场，概率图模型中无向图网络，同样对联合分布建模，分解为极大团上势函数的乘积。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 机器学习判别式与生成式
- 机器学习中的判别式模型和生成式模型
- CVPR 2019 | 基于级联生成式与判别式学习的乳腺钼靶微钙化检测
- 生成模型学习笔记：从高斯判别分析到朴素贝叶斯
- MySQL如何判别InnoDB表是独立表空间还是共享表空间
- 鲁棒异构判别分析的单样本人脸识别（文末附文章地址）
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Java5.0Tiger程序高手秘笈
BrettMclaughlin / 东南大学出版社 / 2005-10 / 28.00元
代号为 “Tiger”的下一个 Java 版本，不只是个小改动版。在语言核心中有超过 100 项以上的变动，同时有大量的对 library 与 API 所做的加强，让开发者取得许多新的功能、工具与技术。但在如此多的变化下，应该从何处开始着手？也许可以从既长又无趣的语言规范说明书开始看起；或等待最少 500 页的概念与理论巨著出版；甚至还可以直接把玩新的 JDK 看看能够有什么发现；或者借由《Jav......一起来看看 《Java5.0Tiger程序高手秘笈》 这本书的介绍吧!
