일부 모델은 생성하는 법을 학습하고, 다른 모델은 결정하는 법을 학습합니다. 판별형 모델은 클래스 간의 경계에 초점을 맞추어 데이터 자체가 어떻게 생성되었는지 모델링하는 대신 입력이 주어졌을 때 레이블이 지정될 확률을 추정합니다.
로지스틱 회귀, 서포트 벡터 머신, 그리고 대부분의 신경망 분류기는 판별력이 있습니다. 이러한 모델들은 전체 데이터 분포가 아닌 결정 경계에 처리 능력을 집중하기 때문에 분류 작업에서 생성형 모델보다 우수한 성능을 보이는 경향이 있습니다.
일반적인 판별 모델
- 로지스틱 회귀
- 서포트 벡터 머신
- 조건부 랜덤 필드
- 가장 깊은 분류기
절충점은 유연성입니다. 판별형 모델은 생성형 모델만큼 새로운 샘플을 생성하거나 결측 데이터를 매끄럽게 처리할 수 없습니다. 둘 중 하나를 선택하는 것은 작업이 예측인지 합성인지에 따라 달라집니다.
Comments (2)
Leave a comment