Nogle modeller lærer at generere. Andre lærer at beslutte. Diskriminative modeller fokuserer på grænsen mellem klasser og estimerer sandsynligheden for en betegnelse givet inputtet i stedet for at modellere, hvordan selve dataene blev produceret.

Logistisk regression, supportvektormaskiner og de fleste neurale klassifikatorer er diskriminerende. De har en tendens til at overgå generative modeller på klassifikationsopgaver, fordi de dedikerer kapacitet til beslutningsgrænsen i stedet for den fulde datafordeling.

Almindelige diskriminerende modeller

• Logistisk regression
• Støttevektormaskiner
• Betingede tilfældige felter
• De fleste dybe klassifikatorer

Afvejningen er fleksibilitet. En diskriminerende model kan ikke generere nye prøver eller håndtere manglende data lige så elegant som en generativ modpart. Valget mellem dem afhænger af, om opgaven er forudsigelse eller syntese.