f

franztao

V1

2022/12/08阅读:17主题:默认主题

生成模型的定义

生成模型的定义

前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节,主要讲述的是什么是生成模型,它是不是只是生成样本,生成数据?它的任务是什么?精准的定义是什么?

这个问题实际上在之前的章节中有过详细的介绍。这里更进一步总结。回忆一下,之前讲过的简单的生成模型,包括高斯混合分布(GMM),GMM的主要任务是聚类,属于非监督学习;而监督学习中的生成模型,最简单的有朴素贝叶斯模型,主要任务是分类。而Logistics regression显然不是生产模型,简单的说,LR模型主要是对 条件概率进行建模,并不关心样本 是什么样。

所以,对比一下可以发现,生成模型关注点是样本分布本身,解决的问题与任务无关,对样本分布建模。比如简单学习中,先对 建模,然后求 来计算条件概率。在无监督学习中,直接对 建模,由于有的时候, 非常的复杂,直接对 建模非常的困难。这是就会引入隐变量(Latent) ,对 建模,然后

生成模型关注的是样本分布本身,是对样本数据本身建模,所以一定和概率分布有关,往往被称之为“概率生成模型”。

参考B站视频【机器学习】【白板推导系列】

更多干货,第一时间更新在以下微信公众号:

您的一点点支持,是我后续更多的创造和贡献

转载到请包括本文地址 更详细的转载事宜请参考文章如何转载/引用

分类:

人工智能

标签:

人工智能

作者介绍

f
franztao
V1