生成式模型、判别式模型的区别？

生成式模型、判别式模型的区别？

​ 对于机器学习模型，我们可以根据模型对数据的建模方式将模型分为两大类，生成式模型和判别式模型。如果我们要训练一个关于猫狗分类的模型，

1. 对于判别式模型，只需要学习二者差异即可。比如说猫的体型会比狗小一点。
2. 而生成式模型则不一样，需要学习猫张什么样，狗张什么样。有了二者的长相以后，再根据长相去区分。

具体而言：

• 生成式模型：由数据学习联合概率分布P(X,Y), 然后由P(Y|X)=P(X,Y)/P(X)求出概率分布P(Y|X)作为预测的模型。该方法表示了给定输入X与产生输出Y的生成关系

• 判别式模型：由数据直接学习决策函数Y=f(X)或条件概率分布P(Y|X)作为预测模型，即判别模型。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。

举个例子

来阐述一下，对于性别分类问题，分别用不同的模型来做：

1）如果用生成式模型：

可以训练一个模型，学习输入人的特征X和性别Y的关系。比如现在有下面一批数据：