判别式模型 Discriminative model - AI全书 -- 知识铺 -- 知识铺

简介

在机器学习领域，判别模型是对未知数据 y 和已知数据 x 间关系进行建模的方法。这些模型基于概率理论，给定输入变量 x，通过构建条件概率分布 P(y|x) 来预测输出 y。

判别模型的特点

• 依赖观察数据：判别分类器仅依赖于观察到的数据进行建模，并学习如何根据统计数据进行分类。

• 对分布假设较少：与生成模型相比，判别模型对数据分布的假设较少，更侧重于数据本身的质量。

应用示例

例如，在一组标记为狗和兔子的图片中，一个判别模型会将新的未标记图片与最相似的标记图片匹配，然后给出标签类别——狗或兔子。这种模型不会假设所有兔子都有红眼来生成图片标签，而是基于现有数据进行分类。

典型方法

典型的判别模型方法包括但不限于：

• 逻辑回归（LR）

• 支持向量机（SVM）

• 条件随机场（CRF），特别是在无向图上的应用 与此相对，典型的生成模型方法则包含：

• 朴素贝叶斯

• 高斯混合模型等

扩展阅读部分提供了更多关于生成式模型和判别式模型的信息，对于想要深入了解这一主题的读者来说是一个不错的起点。