Některé modely se učí generovat. Jiné se učí rozhodovat. Diskriminativní modely se zaměřují na hranici mezi třídami a odhadují pravděpodobnost označení daného vstupu, spíše než aby modelovaly, jak byla samotná data vytvořena.

Logistická regrese, metody support vector machines a většina neuronových klasifikátorů jsou diskriminativní. V klasifikačních úlohách mají tendenci překonávat generativní modely, protože věnují kapacitu rozhodovacím hranicím namísto úplné distribuce dat.

Běžné diskriminační modely

• Logistická regrese
• Stroje s podpůrnými vektory
• Podmíněná náhodná pole
• Většina hlubokých klasifikátorů

Nevýhodou je flexibilita. Diskriminativní model nedokáže generovat nové vzorky ani zpracovávat chybějící data tak elegantně jako jeho generativní protějšek. Výběr mezi nimi závisí na tom, zda se jedná o predikci nebo syntézu.