知识卡片
生成与判别按建模目标区分
生成模型刻画联合分布P(x,y),可由此求后验;条件判别模型直接刻画P(y|x),另有只学习判别函数的方法。不能普遍断言判别模型更高级、更简单或精度必更高,生成学习也不要求无限样本,需结合任务评价。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
4.3.2 产生式模型和判别式模型 如图4.6所示,主要的概率图模型:朴素贝叶斯模型(NB)、隐马尔科夫模型(HMM)、最大熵模型(ME)和条件随机场(CRF)。描绘了从单类预测到序列数据预测方面的联合概率分布与条件概率分布。 图4.6 主
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html)
- 结论依据:摘录中关于生成与判别按建模目标区分的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:4.3.2 产生式模型和判别式模型 如图4.6所示,主要的概率图模型:朴素贝叶斯模型(NB)、隐马尔科夫模型(HMM)、最大熵模型(ME)和条件随机场(CRF)。描绘了从单类预测到序列数据预测方面的联合概率分布与条件概率分布。 图4.6 主