生成式模型 p(x,y)
對聯合概率進行建模，從統計的角度表示資料的分布情況，刻畫資料是如何生成的，收斂速度快。
• 1. 判別式分析
• 2. 樸素貝葉斯native bayes
• 3. 混合高斯型gaussians
• 4. k近鄰knn
• 5. 隱馬爾科夫模型hmm
• 6. 貝葉斯網路
• 7. sigmoid 信念網
• 8. 馬爾科夫隨機場markov random fields
• 9. 深度信念網路dbn
• 10. 隱含狄利克雷分布簡稱lda(latent dirichlet allocation)
• 11. 多專家模型(the mixture of experts model)
• 12.受限玻爾茲曼機( rbm)
• 13.深度玻爾茲曼機(dbm)
• 14.廣義除噪自編碼器(gda)
• 15.生成對抗網路(gan)
• 16.變分自編碼器(vae)
• 17.自回歸模型(ar)
判別式模型 p(y|x)
對條件概率p(y|x)進行建模，不關心資料如何生成，主要是尋找不同類別之間的最優分類面。
• 1. 線性回歸linear regression
• 2. 邏輯回歸logic regression
• 3. 神經網路nn
• 4. 支援向量機svm
• 5. 高斯過程gaussian process
• 6. 條件隨機場crf
• 7. 決策樹(cart)
• 8. boosting
• 9.感知機 (線性分類模型)
• 10.k近鄰法
• 11.傳統神經網路(cnn,rnn)
• 12.最大熵模型(me)
• 13.區分度訓練
原文：
常見生成式模型與判別式模型
生成式模型 p x,y 對聯合概率進行建模，從統計的角度表示資料的分布情況，刻畫資料是如何生成的，收斂速度快。1.判別式分析 2.樸素貝葉斯native bayes 3.混合高斯型gaussians 4.k近鄰knn 5.隱馬爾科夫模型hmm 6.貝葉斯網路 7.sigmoid 信念網 8.馬爾科夫...
常見生成式模型與判別式模型
生成式模型 p x,y 對聯合概率進行建模，從統計的角度表示資料的分布情況，刻畫資料是如何生成的，收斂速度快。1.判別式分析 2.樸素貝葉斯native bayes 3.混合高斯型gaussians 4.k近鄰knn 5.隱馬爾科夫模型hmm 6.貝葉斯網路 7.sigmoid 信念網 8.馬爾科夫...
判別式模型與生成式模型
判別式模型 該模型主要對p y x 建模，通過x來 y。在建模的過程中不需要關注聯合概率分布。只關心如何優化p y x 使得資料可分。通常，判別式模型在分類任務中的表現要好於生成式模型。但判別模型建模過程中通常為有監督的，而且難以被擴充套件成無監督的。常見的判別式模型有 logistic regre...