Vissa modeller lär sig att generera. Andra lär sig att besluta. Diskriminativa modeller fokuserar på gränsen mellan klasser och uppskattar sannolikheten för en etikett givet indata snarare än att modellera hur själva data producerades.

Logistisk regression, stödvektormaskiner och de flesta neurala klassificerare är diskriminerande. De tenderar att prestera bättre än generativa modeller på klassificeringsuppgifter eftersom de dedikerar kapacitet till beslutsgränsen istället för hela datadistributionen.

Vanliga diskriminerande modeller

• Logistisk regression
• Stöd vektormaskiner
• Villkorliga slumpmässiga fält
• De flesta djupa klassificerare

Avvägningen är flexibilitet. En diskriminerande modell kan inte generera nya sampel eller hantera saknad data lika smidigt som en generativ motsvarighet. Valet mellan dem beror på om uppgiften är prediktion eller syntes.