判别式模型 | Discriminative model
百科介绍
百度百科（详情）
在机器学习领域判别模型是一种对未知数据 y 与已知数据 x 之间关系进行建模的方法。判别模型是一种基于概率理论的方法。已知输入变量 x ，判别模型通过构建条件概率分布 P(y|x) 预测 y 。
维基百科（详情）
判别模型，也称为条件模型，是一类用于统计分类的模型，尤其是在有监督的 机器学习中。判别分类器试图通过仅依赖于观察到的数据进行建模，同时学习如何从给定的统计数据进行分类。监督学习中使用的方法可以分为判别模型或生成模型。与生成模型相比，判别模型对分布的假设较少，但在很大程度上取决于数据的质量。
例如，给定一组狗和兔子的标记图片，辨别模型将新的未标记图片与最相似的标记图片匹配，然后给出标签类，狗或兔子。然而，生成将开发一个模型，应该能够从他们所做的假设输出类标签到未标记的图片，就像所有兔子都有红眼。典型的判别学习方法包括逻辑回归（LR），支持向量机（SVM） ），条件随机场（CRF）（在无向图上指定）等。典型的生成模型方法包含朴素贝叶斯，高斯混合模型等
扩展阅读
入门类