生成模型和判别模型

对于输入x,类别标签Y:

判别模型：由数据直接学习决策面Y=f(x)或条件概率P(Y|x)作为预测模型

生成模型：由数据学习联合概率分布P(x,Y)，然后求出条件概率P(Y|x)作为预测模型

模型区别：

判别模型寻找不同类别之间的分离面，反映不同类别之间的差异。

生成模型通过统计反映同类数据的相似度。

模型的优点和缺点：

判别模型主要缺点：

1，不能反映数据本身的特征

判别模型主要优点：

1，模型简单，容易学习。

2，分类性能好，分类边界灵活。

生成模型的主要缺点：

1，模型复杂

生成模型主要优点：

1，信息量丰富。

2，模型可以通过增量学习得到

模型的联系：

生成模型可以得到判别模型，即P(Y|x)=P(x,Y)/P(x),而判定模型不能得到生成模型

模型应用：

生成模型主要用在NLP领域，判别模型主要应用在模式识别领域。