Ps. 最近又巩固学习了一遍《机器学习》,针对一些基础概念进行记录总结。
判决模型(Discriminative Model):
直接建模后验概率模型,P(y|x)
如:逻辑回归
生成模型(Generative Model):
建模先验概率P(x)及似然概率P(x|y)
如:朴素贝叶斯
总结:
判别模型,即要判断这个东西属于类别y,给定前提是x,所以是p(y|x)。
生成模型,是要生成一个模型,那就是在类别y时,根据x生成了模型,所以是p(x|y)。
Ps. 最近又巩固学习了一遍《机器学习》,针对一些基础概念进行记录总结。
直接建模后验概率模型,P(y|x)
如:逻辑回归
建模先验概率P(x)及似然概率P(x|y)
如:朴素贝叶斯
判别模型,即要判断这个东西属于类别y,给定前提是x,所以是p(y|x)。
生成模型,是要生成一个模型,那就是在类别y时,根据x生成了模型,所以是p(x|y)。