machine-learning - 判别模型机器学习
问题描述
我对判别模型有点困惑。我知道概率分类器使用最大似然来理解输入属于哪个类,而线性分类器使用输入的线性组合进行分类。在这一点上,我不明白判别模型是概率分类器还是线性分类器。
解决方案
判别模型对类之间的决策边界进行建模。生成模型明确地模拟每个类的实际分布。最后,他们都在预测条件概率 P(y | x)。生成模型学习联合概率分布 p(x,y)。它借助贝叶斯定理预测条件概率。判别模型学习条件概率分布 p(y|x)。这两种模型通常都用于监督学习问题。
可以在 Cross Validated 线程Generative vs. discriminative中找到更深入的讨论。
推荐阅读
- c++ - 如何在c ++中的mysql_fetch_row(MYSQL _RES)中存储值行[i]
- c - 为什么在下面的代码中两个不同的变量具有相同的地址但不同的值?
- javacc - 如何根据 JavaCC 中的用户输入多次调用一个方法?
- javascript - 如何改进正则表达式,使其可以匹配谷歌脚本电子邮件刮板的电子邮件格式?
- webstorm - WebStorm 新版本断点不起作用
- python - 如何解决单源多目的地问题的不连续性?
- c# - 作为 Windows 服务运行的多线程控制台应用程序(使用 Topshelf)
- c# - 二进制搜索无法搜索包含空格的数据,如何解决?
- android - 改造中的 Call<> 是什么?
- keras - 如何在 VotingRegressor 中添加带有 ML 模型的神经网络模型?