一部のモデルは生成を学習し、他のモデルは決定を学習する。識別モデルはクラス間の境界に焦点を当て、データ自体がどのように生成されたかをモデル化するのではなく、入力に基づいてラベルの確率を推定する。
ロジスティック回帰、サポートベクターマシン、およびほとんどのニューラルネットワーク分類器は識別型です。これらのモデルは、データ全体の分布ではなく決定境界に処理能力を割り当てるため、分類タスクにおいて生成型モデルよりも優れた性能を発揮する傾向があります。
一般的な判別モデル
- ロジスティック回帰
- サポートベクターマシン
- 条件付き確率場
- ほとんどのディープ分類器
トレードオフとなるのは柔軟性です。識別モデルは、生成モデルほどスムーズに新しいサンプルを生成したり、欠損データを処理したりすることはできません。どちらを選択するかは、タスクが予測か合成かによって異なります。
Comments (2)
Leave a comment