生活有懶散,而我仍拖懶~
Day 4
1.7 生成模型與判別模型
監督學習方法可以分爲:生成方法與判別方法,與此對應生成模型與判別模型。
生成方法即由數據學習聯合概率分佈(P(x,y)),再由概率條件分佈(p(y|x))作爲預測的模型,即是生成模型:
之所以命名爲生成方法,是因爲模型給出了輸入X產生輸出Y的生成關係。典型的生成模型有:樸素貝葉斯法及隱性馬爾科夫模型。
判別方法 由數據直接學習決策函數f(x)或者條件概率分佈P(Y|X)作爲預測的模型,即判別模型,其關心的主要是給定特定的輸入X,應該預測什麼樣的輸出Y。典型的判別模型包括:k近鄰法,感知機,決策樹,邏輯斯特迴歸模型,最大熵模型,支持向量機,提升方法以及條件隨機場等。
區別:生成方法可以還原聯合概率分佈P(x,y),收斂速度快,可以應用於存在隱變量的情況下。
判別方法學習準確率高,可以對數據進行各種程度上的抽象、定義特徵並使用特徵,簡化學習問題。