概念辨析-生成模型/產生模型

機器學習的任務是從屬性X預測標記Y，即求機率P(Y|X)；

有監督學習

training data給了正確的答案即label，任務就是創建相應的模型，訓練樣本集外的數據進行分類預測。

生成式模型

生成模型學習一個聯合機率分佈P（x，y）
常見的判別方法有 k近鄰法、感知機、決策樹、邏輯迴歸、線性迴歸、最大熵模型、支持向量機(SVM)、提高方法、條件隨機場（CRF）

判別式模型

判別模型學習一個條件機率分佈P（y|x）
常見的生成方法有混合高斯模型、樸素貝葉斯法和隱形馬爾科夫模型

判別式模型舉例：要肯定一個羊是山羊仍是綿羊，用判別模型的方法是從歷史數據中學習到模型，而後經過提取這隻羊的特徵來預測出這隻羊是山羊的機率，是綿羊的機率。
生成式模型舉例：利用生成模型是根據山羊的特徵首先學習出一個山羊的模型，而後根據綿羊的特徵學習出一個綿羊的模型，而後從這隻羊中提取特徵，放到山羊模型中看機率是多少，在放到綿羊模型中看機率是多少，哪一個大就是哪一個。

判別式模型是根據一隻羊的特徵能夠直接給出這隻羊的機率（好比logistic regression，這機率大於0.5時則爲正例，不然爲反例），而生成式模型是要都試一試，最大的機率的那個就是最後結果~

無監督學習

對未標記的樣本進行訓練學習，比發現這些樣本中的結構知識。 (KMeans,DL)