生成模型 VS 判別模型 （含義、區別、對應經典算法）

從概率分佈的角度考慮，對於一堆樣本數據，每個均有特徵Xi對應分類標記yi。 生成模型：學習得到聯合概率分佈P(x,y)，即特徵x和標記y共同出現的概率，然後求條件概率分佈。能夠學習到數據生成的機制。 判別模型：學習得到條件概率分佈P(y|x)，即在特徵x出現的情況下標記y出現的概率。 數據要求：生成模型需要的數據量比較大，能夠較好地估計概率密度；而判別模型對數據樣本量的要求沒有那麼多。 兩者的優缺

>>阅读原文<<