生成式模型

【大模型理论篇】生成式模型与判别式模型对比在《生成式模型算法原理深入浅出》中，我们浅浅探讨了生成式模型与判别式模型的不同之处，随后主要重点介绍了五种生成式算法模型：朴素贝叶斯（Naive Bayes）、高斯混合模型（GMM）、隐马尔可夫模型（HMM）、主题模型（LDA）、生成对抗模型（GAN）以及文生图模型（Stable Diffusion）。本文将进一步选取生成式模型中的变分自编码器（Variational Auto-Encoder，简称VAE）和判别式模型中的条件随机场（Conditional Random Field，简称CRF），对这两类

生成式模型和判别式模型区别目录1.概念2.定义3.举例（1）例子 A（2）例子 B4.特点5.优缺点6.代表算法首先我们需要明确，两种不同的模型都用于监督学习任务中。监督学习的任务就是从数据中学习一个模型，并用基于这个模型对给定的输入预测相应的输出。这种模型的一般形式为决策函数或者条件概率分布。

机器学习之生成式模型与判别式模型的区别根本区别在于是否计算了联合分布 P ( X , Y ) P(X,Y) P(X,Y)和是否比较了模型输出的概率大小.