Sommige modellen leren genereren. Andere leren beslissen. Discriminatieve modellen richten zich op de grens tussen klassen en schatten de waarschijnlijkheid van een label op basis van de invoer, in plaats van te modelleren hoe de gegevens zelf zijn geproduceerd.

Logistische regressie, support vector machines en de meeste neurale classificatiemodellen zijn discriminerend. Ze presteren doorgaans beter dan generatieve modellen bij classificatietaken, omdat ze hun capaciteit richten op de beslissingsgrens in plaats van op de volledige dataverdeling.

Gemeenschappelijke discriminatiemodellen

• Logistische regressie
• Ondersteunende vectormachines
• Voorwaardelijke willekeurige velden
• Meest diepgaande classificatiesystemen

De afweging is flexibiliteit. Een discriminatief model kan geen nieuwe voorbeelden genereren of ontbrekende gegevens zo soepel verwerken als een generatief model. De keuze tussen beide hangt af van of de taak voorspelling of synthese betreft.