1. Ref:  http://blog.csdn.net/zouxy09/article/details/8195017  講的非常清晰了。http://www.cnblogs.com/lifegoesonitself/p/3437747.html ---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。

2. 問題：自己在看的時候，糾結為什麼naive bayesian 是生成模型，關鍵在於：自己太執泥於公式的條件概率表達，而應該注意的是，生成模型，更多的是關注，資料本徵的特產，x如何產生了y而不是對應的x feature作為邊界條件，找到對應的分介面，利用判別條件，來實現對應的功能。

3.總結一下：生成模型：利用資料的本徵特點，概率分佈，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到底是一個怎麼樣的情況，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。