标签:学习方法 增加 IV 逻辑 随机 nat 准确率 存在 支持向量机
监督学习方法可以分为生成方法(generative approach)和判别方法(discriminative approach),学习到的模型对应地可分为生成模型(generative model)和判别模型(discriminative model).生成模型的计算过程为,先根据既有数据学习出联合概率分布\(P(X,Y)\),然后再根据输入特征的分布\(P(X)\)来学习出条件概率分布,表达式为:
\[
P(Y|X) = \frac{P(X,Y)}{P(X)}
\tag{1}
\]
而判别模型则是求出决策函数之后,根据决策函数输出对应的结果,也可直接学习出条件概率分布来预测,但是,判别模型不会去学习数据的联合概率分布.
\[
Y = f(X)
\tag{2}
\]
生成模型描述了给定输入\(X\)产生输出\(Y\)的生成关系,特点:
判别模型能够直接用决策函数或者条件概率分布来预测结果,但是不学习数据的联合概率分布,特点:
生成模型:
判别模型:
标签:学习方法 增加 IV 逻辑 随机 nat 准确率 存在 支持向量机
原文地址:https://www.cnblogs.com/excellent-ship/p/9201139.html