判別模型、生成模型
判別模型（Discriminative model）
生成模型（Generative model）
設X是特徵，Y是類別
則判別模型就是求P(Y|X)，這是條件概率
而生成模型一般就是求P(Y)P(X|Y)
也就是P(XY)，這就是聯合概率了
所以使用生成模型時，有多少類就有多少個模型，然後用這些模型一個一個去試，然後找出最匹配的那一類
使用判別模型就只有一個模型，直接用這個模型就可以判別出最合適的那一類
相關推薦
判別模型、生成模型
判別模型（Discriminative model） 生成模型（Generative model） 設X是特徵，Y是類別 則判別模型就是求P(Y|X)，這是條件概率 而生成模型一般就是求P(Y)P(X|Y) 也就是P(XY)，這就是聯合概率了 所以使
聯合概率與聯合分佈、條件概率與條件分佈、邊緣概率與邊緣分佈、貝葉斯定理、生成模型（Generative Model）和判別模型（Discriminative Model）的區別
在看生成模型和判別模型之前，我們必須先了解聯合概率與聯合分佈、條件概率與條件分佈、邊緣概率與邊緣分佈、貝葉斯定理的概念。 聯合概率與聯合概率分佈： 假設有隨機變數X與Y, 此時，P(X=a,Y=b)用於表示X=a且Y=b的概率。這類包含多個條件且所有條件同時成立的概率稱為聯合概率。聯合概
統計學習：泛化能力、生成模型、判別模型、分類、標註和迴歸問題
宣告： 1.本文章為參考相關書籍和前輩經驗所寫，只為個人學習專用。 2.若有內容錯誤之處請大家留言改進。 3.若有引用不當之處，請告知本人，會進行相關處理。 泛化能力 泛化誤差 學習方法的泛化能力（generalization ab
判別模型和生成模型
使用 sin cow ria regress gauss 生成 == 給定 【摘要】 - 生成模型：無窮樣本==》概率密度模型 = 產生模型==》預測 - 判別模型：有限樣本==》判別函數 = 預測模型==》預測 【簡介】 簡單的說，假設o是觀察值，
判別模型和生成模型——機器學習
轉載自：https://www.cnblogs.com/zeze/p/7047630.html 判別式模型（discriminative model） 產生式模型（generative model）
【機器學習】判別模型vs生成模型
判別模型vs生成模型 條件概率分佈p(y|x) 從概率的角度來看監督學習的話，其實就是從資料集中學習條件概率分佈p(y|x)。其中，x∈Rn表示n維資料特徵，y∈R表示資料對應的類別標籤。給定一個x，模型計算出x屬於各個類別標籤y的概率p(y|x)，然後
機器學習基礎--判別模型和生成模型
判別模型（Discriminative model）和生成模型（generative model） 監督學習又可以分為兩類，（只有監督學習才會有判別和生成的概念） 1）判別模型（Discriminative model）：SVM和邏輯迴歸 2）生成模
判別模型 vs 生成模型
判別式模型舉例：要確定一個羊是山羊還是綿羊，用判別模型的方法是從歷史資料中學習到模型，然後通過提取這隻羊的特徵來預測出這隻羊是山羊的概率，是綿羊的概率。生成式模型舉例：利用生成模型是根據山羊的特徵首先學習出一個山羊的模型，然後根據綿羊的特徵學習出一個綿羊的模型，然後從這隻羊中提取特徵，放到山羊模型中看概率是多
判別模型和生成模型的區別
什麼是判別模型(Discriminative Model)和生成模型(Generative Model)？ 一個通俗易懂的解釋判別模型和生成模型可以點選這裡檢視，這裡我摘錄如下： Let's say you have input data x and you want to classif
CSS布局模型（流動模型、浮動模型、層模型）
同時 可能 內聯元素 堆疊 bsp nbsp 模型 fault posit 在網頁中，元素有三種布局模型： 1、流動模型（Flow） default，就是塊級元素都自上而下的分布，寬度都為100%。內聯元素都從左到右水平分布。 2、浮動模型 (Float) div、p、t
學習總結：CSS(一)塊級與行級元素特性、盒模型、層模型、BUG與BFC、浮動模型
.displayTal { width: 100%; font-size: 13px } .displayTal1 { width: 30%; height: 30px; font-size: 13px; color: #009933 } .displayTal2 { width: 40%; height:
揭祕阿里小蜜：基於檢索模型和生成模型相結合的聊天引擎
面向 open domain 的聊天機器人無論在學術界還是工業界都是個有挑戰的課題，目前有兩種典型的方法：一是基於檢索的模型，二是基於 Seq2Seq 的生成式模型。前者回復答案可控但無法處理長尾問題，後者則難以保證一致性和合理性。 本期推薦的論文筆記來自 Pa
軟體開發模型之瀑布模型、快速原型模型、增量模型、螺旋模型
軟體開發模型： 軟體開發模型(Software Development Model)是指軟體開發全部過程、活動和任務的結構框架。軟體開發包括需求、設計、編碼和測試等階段，有時也包括維護階段。 軟體開發模型能清晰、直觀地表達軟體開發全過程，明確規定了要完成
業務模型、資料模型、面向物件模型介紹
1、首先提一個問題，什麼是模型？模型這個詞頻繁出現在我們平時的工作中、生活中、新聞裡，但什麼是模型呢，不同的學科有不同的定義。在這裡我不想列舉學術上的定義，只談一下我自己的理解：模型是為了模擬、演示、深入分析被研究物件而建造的任何形式的作品。根據這一理解，我們想一下：小時候
【CSS佈局模型】流動模型、浮動模型、層模型
流動模型 流動是預設的網頁佈局格式，預設情況下HTML元素都根據該模式來分佈網頁內容。 該模型下有兩個特徵元素 塊狀元素 顧名思義，他是一個方塊， - 塊狀元素在預設情況下於包含元素中自上而下垂直排布。 - 預設情況下，寬度為100%，所以實際
tensorflow儲存模型、載入模型和提取模型引數和特徵圖
1.tf.train.latest_checkpoint('./model_data/')這一句最終返回的是一個字串，比如'./model_data/model-99991'這個方法本身還會做相應的檢查，比如checkpoint中最新的模型model_checkpoint_p
星型模型、雪花模型、星座模型及數倉建模方法
整體流程概覽 （1）資料倉庫（Data WareHouse，簡稱DW）： 資料倉庫是一種資訊系統的資料儲存理論，主要功能乃是將組織透過資訊系統之聯機交易處理（OLAP）經年累月所累積的大量資料，透過資料倉庫理論所特有的資料儲存架構，作一有系統的分析整理，以利各
V模型、W模型
V模型:軟體開發瀑布模型的變種，它反映了測試活動與分析和設計的關係，從左到右，描述了基本的開發過程和測試行為，明確標明瞭測試過程中存在的不同型別、不同級別的測試，清楚地描述了這些測試階段和開發過程的對應關係。 W模型：增加了軟體個開發階段的中的應用同步進行的驗證和確
tensorflow中儲存模型、載入模型做預測（不需要再定義網路結構）
下面用一個線下回歸模型來記載儲存模型、載入模型做預測 參考文章: 訓練一個線下回歸模型並儲存看程式碼： import tensorflow as tfimport numpy as
概念模型、邏輯模型和物理模型的區別
一直對於概念、邏輯、物理這三個詞一知半解。在自考和軟考中都遇到了，總是搞混。下面。我們就一起來區分一下吧！ 概念模型。 先來看一下概念的解釋：人類在認識過程中，從感性認識上升到理性認識