Noen modeller lærer å generere. Andre lærer å bestemme. Diskriminative modeller fokuserer på grensen mellom klasser, og estimerer sannsynligheten for en etikett gitt inputen i stedet for å modellere hvordan selve dataene ble produsert.

Logistisk regresjon, støttevektormaskiner og de fleste nevrale klassifikatorer er diskriminerende. De har en tendens til å utkonkurrere generative modeller på klassifiseringsoppgaver fordi de dedikerer kapasitet til beslutningsgrensen i stedet for hele datafordelingen.

Vanlige diskriminerende modeller

• Logistisk regresjon
• Støttevektormaskiner
• Betingede tilfeldige felt
• De fleste dype klassifikatorer

Avveiningen er fleksibilitet. En diskriminerende modell kan ikke generere nye prøver eller håndtere manglende data like elegant som en generativ motpart. Valget mellom dem avhenger av om oppgaven er prediksjon eller syntese.