1樓：marsggbo
不知道我理解的對不對。
之所以有生成模型和判別模型這兩種方法，是因為通常我們有訓練資料x和對應的標籤Y，所以我們可以計算出P(Y|X),這就是判別模型的依據。
然後如果我們還知道P(X)的分布，我們就可以通過P(X,Y)=P(X)P(Y|X)進一步求出生成模型.
2樓：小黃梗
在Supervised learning中，
【判別模型】是去建立P(Y|X)，即後驗概率。從而輸入x，直接得到y。
【生成模型】是直接或間接建立P(X,Y)，即聯合概率分布。以NB為例，此時如果能得到先驗概率P(X)，也能得到心心念念的P(Y|X)
3樓：NLP小學生
生成式模型可以學習P(X,Y)和P(Y∣X)，判別式模型只能學習P(Y∣X)。輸入與輸出對又稱為樣本或樣本點，聯合概率分布是樣本點的概率分布，知道了樣本點的概率分布，就可以生成樣本點，所以叫生成模型。詳見生成式模型與判別式模型。
4樓：莫比烏斯環的灰燼
我猜題主可能要乙個比較直觀的解釋？
現在我們有一堆資料x，其標籤為c
判別式模型：直接根據x的特徵，來對c建模，劃定乙個整體判別邊界。訓練完模型後，每新來乙個資料，就根據這個邊界來判斷它應該屬於哪一類。
生成式模型：觀察x與c的整體分布，通過對每乙個c建模，最終選擇能使結果最優的c作為最終分布P(x,c)。訓練完模型後，每新來乙個資料，就根據所得到的P(x,c)與x的特徵，來判斷c。
（所以生成式模型可以轉化成判別式模型，而判別式模型不能轉化成生成式模型）
總結一下就是，所謂「判別」和「生成」其實是在訓練階段的目標不同，判別式模型目標在於得到乙個判別邊界，而生成式模型目標在於資料與標籤的聯合分布。
5樓：
維基百科上Generative條目裡面有個經典的案例：
假設有四個samples：
生成式模型的世界是這個樣子：
而判定式模型的世界是這個樣子：
「忍」和「慫」有什麼本質上的區別？
鐘殿舟 看透本質 先看看它們各自是個什麼意思，才能知道本質的區別。這個可以先從一些案例來看看 比如你喜歡乙個美女，你和朋友外出剛好碰到美女乙個人在等什麼，你朋友們慫恿你上去打招呼，你不敢上。這叫慫。乙個大個抽了你一下，你看了眼，打不過，算了。這算慫，也算忍。乙個熊孩子打了你一下，你看了眼，小孩子，算...
上釉和上漆有什麼本質上的區別？
三角圓 你好你可以上網查查 red white vase hella jongerius 這是老師給我提及的乙個設計師的作品，我最近也在研究給陶瓷怎麼噴漆也還沒弄明白 旖旎 陶瓷是火的藝術。含有不同元素的釉料的燒成溫度不同，不同的公升溫過程 公升溫曲線 形成的最終成品顏色不同，燒製是乙個很令人期待也...
「怎麼做」和「做什麼」有什麼本質上的區別？
nazcor 首先，你的問題中 怎麼蓋樓 動詞是 蓋樓 蓋樓做什麼 的動詞是 做 不一樣，這其實已經包含了答案。怎麼做 的 做 能被幾乎所有的動詞替換，甚至包括形容詞。比如 怎麼吃 怎麼游泳 怎麼蓋樓 怎麼 變得 漂亮 而 做什麼 的 做 只能被及物動詞替換，吃什麼 可以，游泳什麼 蓋樓什麼 漂亮什...