查看“︁判别模型”︁的源代码

在[[机器学习]]领域'''判别模型'''是一种对未知数据 <math>y</math> 与已知数据 <math>x</math> 之间关系进行建模的方法。判别模型是一种基于概率理论的方法。已知输入变量 <math>x</math> ，判别模型通过构建条件概率分布 <math>P(y|x)</math> 预测  <math>y</math> 。

与[[生成模型]]不同，'''判别模型'''不考虑 <math>x</math>  与 <math>y</math> 间的[[联合分布]]。对于诸如分类和回归问题，由于不考虑联合概率分布，采用判别模型可以取得更好的效果<ref>P. Singla and P. Domingos. Discriminative training of Markov logic networks. In ''AAAI'', 2005.</ref><ref>J. Lafferty, A. McCallum, and F. Pereira. Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data. In ''ICML'', 2001.</ref><ref>A. Ng and M. I. Jordan. On Discriminative vs. Generative Classiﬁers: A Comparison of Logistic Regression and Naive Bayes. In ''NIPS'', 2001</ref>。而[[生成模型]]在刻画复杂学习任务中的依赖关系方面则较判别模型更加灵活。大部分判别模型本身是监督学习模型，不易扩展用于非监督学习过程。实践中，需根据应用的具体特性来选取'''判别模型'''或[[生成模型]]。

==种类==
* [[邏輯斯諦迴歸]]
* [[线性回归]]
* [[支持向量机]]
* [[提升方法]]
* [[条件随机场]]
* [[人工神经网络]]
* [[随机森林]]
* [[感知器]]

==参见==
* [[生成模型]]

==参考==
<references />
{{科学小作品}}

[[Category:机器学习]]
[[Category:统计模型]]