1. ref: 講的非常清晰了。 ---進一步補充豐富理解,然後,知乎上有對應的問題答案,基本看完之後,可以形成對這個領域的基本認識。
3.總結一下:生成模型:利用資料的本徵特點,概率分布,實現x,y之間的關係,可以是p(x,y)而判別模型,則是求y=f(x);p(y|x)這樣的決策函式,來確定對應的輸出output label到底是乙個怎麼樣的情況,並且,在這樣的基礎上,實現對應的問題解決。
4.在學習,遇到問題的時候,學會從更本徵的角度觀察問題,這樣可以讓自己清晰地定義對應的問題,如何實現對應的更好解。比如這次在生成模型的理解上,就應該吸取教訓,學會學習,發現自己在學習時候的缺點,並且,進一步不斷地進行優化,以實現對應只是的掌握。
生成模型和判別模型
監督學習的結果是得到乙個分類或 模型,應用該模型可以對給定輸入 x 得到相應的輸出 y,即 y f x 或者p y x 根據不 同類對應 的後驗概 率判斷所 屬類別 根據模型是否表示了x 到 y的生成過程將模型分為兩種,生成方式 判別方式。生成模型p y x p x y p x 如樸素貝葉斯法 隱馬...
生成模型和判別模型
我的理解 生成模型相當統計全國男女比例,判別模型相當於抽樣分析乙個省的男女比例作為全國男女比例 假設你現在有乙個分類問題,x是特徵,y是類標記。用生成模型學習乙個聯合概率分布p x,y 而用判別模型學習乙個條件概率分布p y x 用乙個簡單的例子來說明這個這個問題。假設x就是兩個 1或2 y有兩類 ...
生成模型和判別模型
監督學習的任務就是學習乙個模型,應用這一模型,對給定的輸入 相應的輸出,這一模型的一般形式為決策函式 y f x 或者條件概率分布 p y x 監督學習方法有可以分為生成方法和判別方法,所學到的模型分別稱為生成模型和判別模型 生成方法由資料學習聯合分布概率p x,y 然後求出條件概率分布p y x ...