監督學習方法又分生成方法（Generative approach）和判別方法（Discriminative approach），所學到的模型分別稱為生成模型（Generative Model）和判別模（Discriminative Model)。

判別模型：由資料直接學習決策函式Y=f(X)或者條件概率分佈P(Y|X)作為預測的模型，即判別模型。基本思想是有限樣本條件下建立判別函式，不考慮樣本的產生模型，直接研究預測模型。典型的判別模型包括k近鄰，感知級，決策樹，支援向量機等。

生成模型：由資料學習聯合概率密度分佈P(X,Y)，然後求出條件概率分佈P(Y|X)作為預測的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)。基本思想是首先建立樣本的聯合概率概率密度模型P(X,Y)，然後再得到後驗概率P(Y|X)，再利用它進行分類。常見的有NB HMM模型。

簡單來說，判別模型就是直接採用輸入特徵去預測輸出，或者說是條件概率。而生成模型關注的是抓去樣本的分佈特徵，通過建立每個類別的特徵分佈，最終建立的很多類別的生成器來覺得到底哪個最像。