首页 > 其他 > 详细

监督学习模型分类 生成模型 判别模型 概率模型 非概率模型 参数模型 非参数模型

时间:2018-08-26 13:27:35      阅读:230      评论:0      收藏:0      [点我收藏+]

判别模型和生成模型:统计学派和贝叶斯学派之争

  • 判别模型:

  直接对输入空间到输出空间的映射h(x)做预测,或者直接对条件概率分布P(y|x)做预测

  PM,SVM,NN,KNN,LR,DT

  模型一般更准确

  不需要预设条件

  鲁棒性更高

  • 生成模型:

  先对概率分布P(x,y)做预测,根据贝叶斯公式得到P(y|x)

  GDA,NB,HMM

  收敛速度一般更快

  可以训练包含隐变量的模型

  需要假设的先验分布

  可以还原出联合概率分布P(x,y)

  可以还原出判别模型,但反过来不行

概率模型和非概率模型:预测概率还是预测映射

  • 非概率模型:

  直接对输入空间到输出空间的映射h(x)做预测

  PM,SVM,NN,KNN

  优化方法为经验风险最小化、结构风险小化等

  • 概率模型:

  对条件概率分布P(y|x)做预测

  LR,DT,GDA,NB,HMM

  优化方法为最大似然估计、最大后验概率估计等

参数模型和非参数模型:模型由训练数据本身构成还是模型参数构成

  • 参数模型:

  模型中包含若干参数,训练完成则训练数据无用,根据模型参数预测结果

  LR,PM,GDA,NB,简单NN,HMM

  需要训练数据较少,训练较快,需要假设空间与实际映射空间吻合,模型容易理解,不适合实际映射隐藏的情况

  • 非参数模型:

  模型由训练数据本身构成

  SVM,KNN,DT

  需要训练数据较多,训练较慢,但不需要假定假设空间,如果训练集无限大可以无限逼近实际映射,训练集小时容易过拟合,预测性能高

 

 

参考文献:

https://blog.csdn.net/qq_39521554/article/details/79134274

https://blog.csdn.net/pandamax/article/details/78636834

 

监督学习模型分类 生成模型 判别模型 概率模型 非概率模型 参数模型 非参数模型

原文:https://www.cnblogs.com/jhc888007/p/9536972.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!