生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。
判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。
数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。
典型的生成模型：朴素贝叶斯，隐马尔可夫等，HMM等。
典型的判别模型：k近邻，感知机，决策树，SVM，逻辑回归等。
参考：https://blog.csdn.net/u010358304/java/article/details/79748153
生成模型（generative model）和判别模型（Discriminative model）
原文：https://www.cnblogs.com/sybil-hxl/p/12766501.html