判别模型 — 人工智能

🔀 判别模型

一个学习区分不同类别数据的模型。

有些模型学习如何生成数据，有些模型学习如何做出判断。判别模型关注的是类别之间的边界，它们估计给定输入数据时标签的概率，而不是对数据本身的生成方式进行建模。

逻辑回归、支持向量机和大多数神经网络分类器都是判别式的。它们在分类任务上往往优于生成式模型，因为它们将计算资源用于决策边界，而不是整个数据分布。

常用判别模型

权衡之处在于灵活性。判别式模型无法像生成式模型那样优雅地生成新样本或处理缺失数据。选择哪种模型取决于任务是预测还是合成。

Comments (2)

Angela R. August 25, 2026

Discriminative models learn the boundary between classes. Generative models learn the distribution of each class.
Tom Weiler May 2, 2026

The article is a good introduction. Most practical machine learning applications use discriminative models.