2
生成与区分
我知道生成式意思是“基于 ”,判别式意思是“基于 ”,但是我对以下几点感到困惑:P(x,y)P(x,y)P(x,y)P(y|x)P(y|x)P(y|x) 维基百科(以及网络上的许多其他热门文章)将诸如SVM和决策树之类的内容归类为歧视性内容。但是这些甚至没有概率解释。区别在这里是什么意思?区别对待只是意味着没有生成能力吗? 朴素贝叶斯(NB)具有生成性,因为它捕获和,因此您拥有(以及)。是不是小事做,比方说,回归(海报男孩判别模型的)“生成”通过简单的计算在类似的方式(同独立的假设为NB,使得,其中的MLE 只是频率)?P(x|y)P(x|y)P(x|y)P(y)P(y)P(y)P(x,y)P(x,y)P(x,y)P(y|x)P(y|x)P(y|x)P(x)P(x)P(x)P(x)=P(x0)P(x1)...P(xd)P(x)=P(x0)P(x1)...P(xd)P(x) = P(x_0) P(x_1) ... P(x_d)P(xi)P(xi)P(x_i) 我知道判别模型往往胜过生成模型。生成模型的实际用途是什么?能够生成/模拟数据被引用了,但是什么时候出现呢?我个人只有回归,分类和协作的经验。过滤结构化数据,那么这里的用法与我无关吗?“缺少数据”参数(缺少)似乎只为您提供训练数据的优势(当您实际上知道且无需对进行边际化以获得相对笨拙时),无论如何您都可以直接估算出),即使这样,插补也更加灵活(不仅可以基于预测P(xi|y)P(xi|y)P(x_i|y)xixix_iyyyP(y)P(y)P(y)P(xi)P(xi)P(x_i)yyy但其他也是如此)。xixix_i 维基百科上完全矛盾的引用是什么?“在表示复杂学习任务中的依存关系方面,生成模型通常比判别模型更灵活”与“区分模型通常可以表达观察到的目标变量之间更复杂的关系” 相关问题让我开始思考。