Beberapa model belajar untuk menghasilkan. Model lain belajar untuk memutuskan. Model diskriminatif berfokus pada batas antara kelas, memperkirakan probabilitas suatu label berdasarkan input daripada memodelkan bagaimana data itu sendiri dihasilkan.

Regresi logistik, mesin vektor pendukung, dan sebagian besar pengklasifikasi neural bersifat diskriminatif. Mereka cenderung mengungguli model generatif pada tugas klasifikasi karena mereka mengalokasikan kapasitas pada batas keputusan alih-alih distribusi data lengkap.

Model diskriminatif umum

• Regresi logistik
• Mesin vektor pendukung
• Bidang acak bersyarat
• Sebagian besar pengklasifikasi mendalam

Kelebihan dan kekurangannya adalah fleksibilitas. Model diskriminatif tidak dapat menghasilkan sampel baru atau menangani data yang hilang sebaik model generatif. Memilih di antara keduanya bergantung pada apakah tugasnya adalah prediksi atau sintesis.