网站诚信建设,免费门户网站模板下载,现在个人都在哪个网站做外贸,wordpress+仿简书模板参照http://blog.csdn.net/daijiguo/article/details/52218207 比如二类分类问题#xff0c;不管是感知器算法还是逻辑斯蒂回归算法#xff0c;都是在解空间中寻找一条直线从而把两种类别的样例分开#xff0c;对于新的样例只要判断在直线的哪一侧即可#xff1b;这种直接对… 参照http://blog.csdn.net/daijiguo/article/details/52218207 比如二类分类问题不管是感知器算法还是逻辑斯蒂回归算法都是在解空间中寻找一条直线从而把两种类别的样例分开对于新的样例只要判断在直线的哪一侧即可这种直接对问 题求解的方法可以成为判别学习方法discriminative learning algorithm。 而生成 学习算法则是对两个类别分别进行建模用新的样例去匹配两个模型匹配度较 高的作为新样例的类别比如良性肿瘤与恶性肿瘤的分类首先对两个类别分别 建模比如分别计算两类肿瘤是否扩散的概率计算肿瘤大小大于某个值的概率 等等再比如狗与大象的分类分别对狗与大象建模比如计算体重大于某个值 的概率鼻子长度大于某个值的概率等等。 形式化的说判别学习方法是直接对 p(y|x)进行建模或者直接学习输入空间 到输出空间的映射关系其中x 是某类样例的特征y 是某类样例的分类标记。 而生成学习方法是对 p(x|y)条件概率和 p(y)先验概率进行建模然后按 照贝叶斯法则求出后验概率 p(y|x)
