AI面试题之 判别模型&生成模型

“学习的同时记录，记录的同时分享，分享的同时交流，交流的同时学习。”

1. 直观理解

【先给出最直观的理解】

【判别式模型】：要确定一个图片是猫还是狗，用判别模型的方法就是根据数据集X训练模，然后把新的图片输入到模型中，模型给出这个图片是每个类别的概率。

【生成式模型】：生成式模型是对原始数据集X和其标签Y建模，生成其联合概率。然后将新的图片放入是否是猫的模型中，看概率是多少；然后将新的图片放入是否是狗的模型中，看概率是多少。

2. 判别模型

判别模型的核心思想是：划分数据集。找出原始数据的判别边界，然后预测的时候，找出数据是属于边界的哪一边。

【相当于给出X，让模型告诉你Y】

判别模型比较常见：线性回归，SVM，神经网络，决策树。

3. 生成模型

生成模型可以理解为把类别，也当成一个特征。然后寻找（X，Y）的分布。

其实感觉生成模型有点点像是无监督学习，可以把标签当成一个特征，然后去学习特征与标签的联合分布P(X,Y)。然后预测的时候，（依然用上面的猫狗分类的例子），分别计算P(新的图片,猫)和P(新的图片,狗)的概率。

【相当于给出X和Y，让模型告诉你这个组合的概率】

常见的模型有：高斯混合模型，朴素贝叶斯模型。

喜欢的话，长按下面的二维码关注下【机器学习炼丹术】，成为炫酷的炼丹师吧！

• 目前在更：每天一两个AI面试干货知识点。
• 公众号中回复【下载】有免费的精选的机器学习相关的学习资料哦，持续更新哦！
• 欢迎大家加好友，交流学习知识，携手并进。