机器学习——生成模型与判别模型 知识点总结

通俗的解释： 1）生成模型： （先对数据的联合分布建模，再通过贝叶斯公式计算样本属于各个类别的后验概率） 由数据学习联合概率p（x,y），然后求出后验概率p(y|x)作为预测的模型，即：P(y|x)=p(x,y)/p(x)。 特点：可以从统计的角度表示数据的分布情况，能反映同类数据本身的相似度。但 不关心各类的边界在哪。 学习收敛速度更快。存在隐变量时，仍适用。 2）判别模型： （直接对条件概率建

>>阅读原文<<