生成模型与辨别模型(Generative vs discriminative model)9 Q. Z! |; v' S( ^3 W6 C2 s
2020年数学中国认证杯网挑群:1084312088
. N& J: _/ Z% }3 X% y* {9 f# o/ l: H; p4 K6 Z
& ^8 K( f& E* \! f) ^
生成模型与辨别模型(Generative vs discriminative model) 5 w8 e0 N% Y/ [! Y3 J& S
$ a8 a" T6 c- v: \2 s+ L( g! n这两个模型一般是讲的分类问题
2 C$ `2 E' ~% P( \: e, ]$ C3 O3 h; b. X" M0 d: @
生成模型 % |# y) F# G { [
* M7 k' Z: O9 i. o; c5 u
1、使用贝叶斯理论推断后验分布p(Ck|x)p(Ck|x),需要考虑先验分布p(Ck)p(Ck)和p(X|Ck)p(X|Ck)
4 H3 i, z; L! M- t- }1 r/ Q也可以对联合分布p(X,Ck)p(X,Ck)建模
; e/ I2 U" _+ Y9 O' W5 L2、使用决策论对x分配类
% I' p: [$ _4 @4 E" _例子: 3 _' p9 d& g2 R! X) S( e
* a6 B9 V: |- P; |辨别模型(discriminative model) o+ B: _" L* L4 K: C
: N$ n6 V+ r/ l; F, `" m) z: d辨别模型是确定一个函数,这个函数能直接将输入向量X,映射到K类别中的一类,表示为CkCk
' d, R" I Y. x1 w1、直接计算p(Ck|X)p(Ck|X)
1 Y# h, y8 n# ]6 i' k' P2、使用决策理论(decision theory)为每一个新的X分配一个类型标签 9 @% R& t" X4 g2 M6 I
———————————————— 8 P) h! a3 f' c. `- i
版权声明:本文为CSDN博主「人工智障仁波切」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 ( t! b0 Y( H0 i5 J6 \* E
原文链接:https://blog.csdn.net/dmsgames/article/details/81939903 % T/ l4 I+ m4 X& Q
: D: v3 n" ^6 e( [' d* z: W
9 @7 h! ^3 @) t' X, H |