機器學習——生成模型與判別模型 知識點總結

通俗的解釋： 1）生成模型： （先對數據的聯合分佈建模，再通過貝葉斯公式計算樣本屬於各個類別的後驗概率） 由數據學習聯合概率p（x,y），然後求出後驗概率p(y|x)作爲預測的模型，即：P(y|x)=p(x,y)/p(x)。 特點：可以從統計的角度表示數據的分佈情況，能反映同類數據本身的相似度。但 不關心各類的邊界在哪。 學習收斂速度更快。存在隱變量時，仍適用。 2）判別模型： （直接對條件概率建

>>阅读原文<<