कुछ मॉडल वर्गीकरण करते हैं। अन्य सृजन करते हैं। जनरेटिव मॉडल डेटा के अंतर्निहित वितरण को सीखते हैं और उससे नमूने लेकर प्रशिक्षण सेट से मिलते-जुलते नए उदाहरण तैयार करते हैं। वे इस प्रश्न का उत्तर देते हैं कि डेटा कैसे उत्पन्न होता है, न कि केवल उसे लेबल कैसे किया जाए।

क्लासिक उदाहरणों में नैव बेयस और गॉसियन मिक्सचर मॉडल शामिल हैं। आधुनिक दृष्टिकोण न्यूरल नेटवर्क पर आधारित हैं: वेरिएशनल ऑटोएनकोडर, जनरेटिव एडवरसैरियल नेटवर्क और डिफ्यूजन मॉडल। इनमें से प्रत्येक में सैंपल की गुणवत्ता, प्रशिक्षण स्थिरता और कम्प्यूटेशनल लागत के बीच संतुलन बनाना पड़ता है।

सामान्य जनरेटिव मॉडल

• वैरिएशनल ऑटोएनकोडर्स
• जनरेटिव एडवरसैरियल नेटवर्क
• प्रसार मॉडल
• ऑटोरेग्रेसिव मॉडल
• प्रवाहों को सामान्य बनाना

मूल्यांकन कठिन है। संभावना स्कोर कुछ परिवारों के पक्ष में होते हैं। दृश्य गुणवत्ता दूसरों के पक्ष में होती है। कोई एक मापदंड यह निर्धारित नहीं कर सकता कि उत्पन्न नमूने उपयोगी, विविध और प्रशिक्षण वितरण के अनुरूप हैं या नहीं।