Unele modele învață să genereze. Altele învață să decidă. Modelele discriminative se concentrează pe granița dintre clase, estimând probabilitatea unei etichete având în vedere datele de intrare, mai degrabă decât modelând modul în care au fost produse datele în sine.

Regresia logistică, mașinile cu vectori de suport și majoritatea clasificatorilor neuronali sunt discriminative. Acestea tind să depășească performanțele modelelor generative în sarcinile de clasificare, deoarece dedică capacitatea limitei de decizie în loc de distribuția completă a datelor.

Modele discriminative comune

• Regresie logistică
• Mașini cu vectori de suport
• Câmpuri aleatorii condiționate
• Cei mai mulți clasificatori profundi

Compromisul este flexibilitatea. Un model discriminativ nu poate genera noi eșantioane sau gestiona datele lipsă la fel de bine ca un omolog generativ. Alegerea între ele depinde de sarcina respectivă: predicție sau sinteză.