Một số mô hình học cách tạo ra dữ liệu. Một số khác học cách đưa ra quyết định. Các mô hình phân biệt tập trung vào ranh giới giữa các lớp, ước tính xác suất của một nhãn nhất định dựa trên dữ liệu đầu vào, thay vì mô hình hóa cách dữ liệu được tạo ra.

Hồi quy logistic, máy vectơ hỗ trợ và hầu hết các thuật toán phân loại mạng nơ-ron đều có tính phân biệt. Chúng thường hoạt động tốt hơn các mô hình tạo sinh trong các nhiệm vụ phân loại vì chúng dành năng lực cho ranh giới quyết định thay vì toàn bộ phân bố dữ liệu.

Các mô hình phân biệt đối xử phổ biến

• Hồi quy logistic
• Máy hỗ trợ vectơ
• Trường ngẫu nhiên có điều kiện
• Hầu hết các bộ phân loại sâu

Điểm khác biệt nằm ở tính linh hoạt. Mô hình phân biệt không thể tạo ra các mẫu mới hoặc xử lý dữ liệu thiếu một cách mượt mà như mô hình tạo sinh. Việc lựa chọn giữa hai mô hình phụ thuộc vào việc nhiệm vụ là dự đoán hay tổng hợp.