Distinguir entre modelos discriminativos y generativos.

Modelado directamente con la probabilidad condicional p(y|x; θ). Los modelos discriminantes comunes incluyen modelos de regresión lineal, análisis discriminante lineal, máquinas de vectores de soporte (SVM), redes neuronales, refuerzo, campos aleatorios condicionales, etc.

Por ejemplo, para determinar si una oveja es una cabra o una oveja, el método para identificar el modelo es aprender el modelo a partir de datos históricos y luego predecir la probabilidad de que la oveja sea una cabra o una oveja. ovejas extrayendo las características de las ovejas.

Luego modele la distribución conjunta p(x, y) de x e y, luego obtenga p(yi|x) mediante la fórmula bayesiana y luego seleccione la que maximice p(yi|x) yi, es decir,

Los modelos generativos comunes incluyen el modelo oculto de Markov HMM, el modelo bayesiano ingenuo, el modelo de mezcla gaussiana GMM, LDA, gaussiano, polinomio mixto, experto mixto y campo aleatorio de Markov.

Por ejemplo, al utilizar un modelo generativo, primero aprende un modelo de cabra basado en las características de una cabra, luego aprende un modelo de oveja basado en las características de una oveja y luego extrae características de esta oveja y póngalos en el modelo de cabra para ver cuál es la probabilidad, póngalo en el modelo de oveja para ver cuál es la probabilidad, cuál es mayor.