Порождающая модель
-
Основы генеративных и дискриминационных моделей
- Генеративные модели описывают распределение вероятностей для данных, в то время как дискриминационные модели классифицируют данные.
- Генеративные модели могут использоваться для создания новых данных, в то время как дискриминационные модели просто классифицируют данные.
-
Примеры и применение
- Примеры включают генерацию текста, изображений и музыкальных аудио.
- Дискриминационные модели включают алгоритмы k-ближайших соседей, логистическую регрессию и деревья принятия решений.
-
Сравнение с дискриминационными классификаторами
- Генеративные алгоритмы моделируют процесс генерации данных, в то время как дискриминационные алгоритмы классифицируют данные без учета процесса генерации.
- Генеративные алгоритмы могут быть более эффективными для создания новых данных, но дискриминационные алгоритмы могут быть более точными в задачах классификации и регрессии.
-
Глубокие генеративные модели
- С развитием глубокого обучения на основе генеративных моделей и нейронных сетей формируются новые методы, называемые глубокими генеративными моделями.
- Примеры включают вариационные автоэнкодеры, генеративные состязательные сети и авторегрессивные модели.
-
Типы генеративных моделей
- Типы генеративных моделей включают гауссову модель смеси, скрытую марковскую модель, вероятностную контекстно-свободную грамматику и другие.
-
Подгонка параметров и точность
- Подгонка параметров генеративной модели для максимального правдоподобия данных является общепринятым методом.
- В некоторых случаях может быть более точным моделировать функции условной плотности непосредственно с использованием дискриминантной модели.