知识卡片

普通读书笔记卡 · 9427.a · 生成模型:Tencent Hunyuan Hy

生成模型与判别模型

理解等级:初级

机器学习模型按目标分为判别模型与生成模型。判别模型在类别之间划出边界,依据特征预测类别,例如判断图像是猫还是狗、判断段落情感正负,CNN 与 RNN 常承担此类任务。生成模型则相反,它不把特征映射到类,而在给定类别时生成相应特征,例如高斯混合模型生成符合训练集分布的新数据;朴素贝叶斯与玻尔兹曼机也用学到的特征分布辅助分类,但首要任务是估计特征出现的可能性而非直接识别标签。简言之,判别模型关注分离数据的边界,生成模型关注对数据分布本身建模。GAN 属生成模型,只是额外引入判别器提供反馈,以更好地逼近目标分布。参见[[GAN是什么与应用]]。

这张卡片看不懂?

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

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第07章《生成对抗网络》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/13.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以判别边界与数据分布建模对比两类模型,并指出 GAN 因专注生成分布而属生成模型,支撑该分类结论。 - 原始内容:相反,生成模型不尝试将特征映射到类,而是在给定特定类的情况下生成特征。 例如,训练高斯混合模型(GMM)以生成适合训练集分布的新数据。