首页 > 试题广场 >

（机器学习理论）请列举生成模型与判别模型的区别

[问答题]

换个长一点的名字吧

生成模型是通过数据学习联合概率分布P(x,y)，然后求出条件概率分布P(Y|X)，作为预测的模型，即生成模型为：P(Y|X)=P(X,Y)/P(X)

判别模型是通过数据直接学习判别函数Y=f(X)或者条件概率作为预测模型。

生成模型的特点：生成模型可以还原联合概率分布，而判别模型不行；生成模型的收敛速度更快，即当样本容量增大时，生成模型能更快的收敛到真实模型；当存在隐变量时，只能用生成模型。

判别模型的特点：判别模型直接学习的还是判别函数或者条件概率分布，直接面对预测，往往学习的准确率要高；判别模型由于直接学习条件概率或决策函数，可以对数据进行各种程度上的抽象/定义特征并使用特征，因此可以简化学习问题。

发表于 2018-01-22 11:45:29 回复(0)

编程的渣渣啊啊啊

常见的生成模型：朴素贝叶斯，隐马尔科夫，高斯混合模型，贝叶斯网

常见的判别模型：LR,SVM,神经网络，KNN，条件随机场

发表于 2018-03-24 10:41:30 回复(0)

一吻以谢天下

判别模型通过学习样本x和预测值y之间的条件概率p(y|x)（或者y=f(x))）进行训练。

-- NORMAL --

而生成模型是通过学习x和y的联合分布律，再由概率公式转换为p(y|x)的方式。

发表于 2018-03-03 23:38:57 回复(0)

提交观点

问题信息

数据挖掘工程师算法工程师唯品会 2018

来自：唯品会2018校招数据...

上传者：小小

难度：

3条回答 33收藏 3595浏览

扫一扫，把题目装进口袋