Bazı modeller veri üretmeyi öğrenir. Diğerleri ise karar vermeyi öğrenir. Ayrımcı modeller, verinin kendisinin nasıl üretildiğini modellemek yerine, girdi verildiğinde bir etiketin olasılığını tahmin ederek sınıflar arasındaki sınıra odaklanır.

Lojistik regresyon, destek vektör makineleri ve çoğu sinirsel sınıflandırıcı ayırt edicidir. Veri dağılımının tamamı yerine karar sınırına kapasite ayırdıkları için sınıflandırma görevlerinde üretken modellerden daha iyi performans gösterme eğilimindedirler.

Yaygın ayrımcı modeller

• Lojistik regresyon
• Destek vektör makineleri
• Koşullu rastgele alanlar
• En derin sınıflandırıcılar

Buradaki dezavantaj esnekliktir. Ayrımcı bir model, üretken bir model kadar yeni örnekler üretemez veya eksik verileri sorunsuz bir şekilde ele alamaz. Aralarındaki seçim, görevin tahmin mi yoksa sentez mi olduğuna bağlıdır.