精华内容
下载资源
问答
  • 生成模型和判别模型的区别

    千次阅读 2019-06-22 08:13:00
    生成模型和判别模型的区别 按照求解的方法,可以将分类算法分为判别模型和生成模型。给定特定的向量x与标签值y,生成模型对联合概率p(x,y)建模,判别模型对条件概率p(y|x)进行建模。 上述含义可以这么理解:生成模型...

    生成模型和判别模型的区别

    按照求解的方法,可以将分类算法分为判别模型和生成模型。给定特定的向量x与标签值y,生成模型对联合概率p(x,y)建模,判别模型对条件概率p(y|x)进行建模。
    上述含义可以这么理解:生成模型对条件概率p(x|y)建模,判别模型对条件概率p(y|x)建模。前者可以用来根据标签值y生成的随机的样本数据x,而后者则根据样本特征向量x的值判断它的标签值y。
    常见的生成模型有:贝叶斯分类器、高斯混合模型、隐马尔可夫模型、受限玻尔兹曼机、生成对抗网络等。
    典型的判别模式有:决策树、kNN算法、人工神
    经网络、支持向量机、logistic回归和AdaBoost算法等。
    ——《机器学习与应用》-雷明版

    展开全文
  • 之前视频中讲到方法都是直接对问题进行求解,比如二类分类问题,不管是感知器算法还是逻辑斯蒂回归算法,都是在解空间中寻找一条直线从而把两种类别样例分开,对于新样例只要判断在直线哪一侧即可;...

    之前的视频中讲到的方法都是直接对问题进行求解,比如二类分类问题,不管是感知器算法还是逻辑斯蒂回归算法,都是在解空间中寻找一条直线从而把两种类别的样例分开,对于新的样例只要判断在直线的哪一侧即可;这种直接对问 题求解的方法可以成为判别学习方法(discriminative learning algorithm)。

    而生成 学习算法则是对两个类别分别进行建模,用新的样例去匹配两个模型,匹配度较 高的作为新样例的类别,比如良性肿瘤与恶性肿瘤的分类,首先对两个类别分别 建模,比如分别计算两类肿瘤是否扩散的概率,计算肿瘤大小大于某个值的概率 等等;再比如狗与大象的分类,分别对狗与大象建模,比如计算体重大于某个值 的概率,鼻子长度大于某个值的概率等等。

    形式化的说,判别学习方法是直接对 p(y|x)进行建模或者直接学习输入空间 到输出空间的映射关系,其中,x 是某类样例的特征,y 是某类样例的分类标记。 而生成学习方法是对 p(x|y)(条件概率)和 p(y)(先验概率)进行建模,然后按 照贝叶斯法则求出后验概率 p(y|x)

    展开全文
  • 关于读文件时候判断文本是否读完方式一般可以通过EOF,一般宏定义为-1.因为ASCII码中不可能出现-1.   当以文本形式读取文件内容, 读入字符值等于EOF时, 表示读入已不是正常字符而是文件结束符  当以...

      关于读文件的时候判断文本是否读完的方式一般可以通过EOF,一般宏定义为-1.因为ASCII码中不可能出现-1. 

      当以文本形式读取文件内容, 读入的字符值等于EOF时, 表示读入的已不是正常的字符而是文件结束符

      当以二进制形式读取文件内容, 信息都是以数值方式存在的, EOF的值可能就是所要处理的二进制文件中的信息, 此时需要用 feof() 来判断是否到达了文件结尾

      即EOF可以作为文本文件的结束标志, 但不能作为二进制文件的结束符, feof函数既可以判断二进制文件, 又可以判断文本文件

    转载于:https://www.cnblogs.com/LyndonMario/p/8810057.html

    展开全文
  • 产生式模型和判别式模型的区别,下面会用一个天气判断的案例来解释。首先我们需要了解一下什么是分类器,用数学的符号来描述分类器就是:输入x以及分类变量y,求p(y | x)。例如,x是云量、气温、湿度。y是天气状况...

    前言

    产生式模型和判别式模型的区别,下面会用一个天气判断的案例来解释。首先我们需要了解一下什么是分类器,用数学的符号来描述分类器就是:输入x以及分类变量y,求p(y | x)。例如,x是云量、气温、湿度。y是天气状况(下雨?不下雨?)。分类器的作用就是分析云量等这些指标,来得出下雨或者不下雨的概率。

    一、两种模型的思想

    到底怎么计算下雨的概率,产生式模型和判别式模型有不同的计算思想。产生式模型首先是先估算联合概率密度p(x,y),再通过贝叶斯公式求出p(y | x)。而判别式模型直接估算p(y | x)。产生式模型的典型代表是朴素贝叶斯,判别式模型的典型代表说逻辑回归。

    接下来就用天气判断来运行一下朴素贝叶斯的思想流程。

    P(y = “rain” | x) = \frac{p(y="rain",x)}{p(x)}  这个概率是在x的情况下天气下雨的概率,现在p(x)是很难求出的。

    P(y = “sunny” | x) = \frac{p(y="sunny",x)}{p(x)}这个概率是在x的情况下天气晴朗的概率,现在p(x)是很难求出的。

    如果上述两个式子想比。就得到\frac{P(y = "rain" | x)}{P(y = "sunny" | x)} = \frac{P(y = "rain" , x)}{P(y = "sunny" , x)} 。

    这样一来,p(x)就约去了,只要这个比值大于1,那么就认为要下雨,如果比值小于1,那么就晴朗。不过P(y = "rain" , x)怎么求?

    P(y = "rain" , x) = P( x | y = "rain")\times P( y = "rain")  ——贝叶斯公式

    那么问题又来了P( x | y = "rain")怎么求呢?这个是可求的。x是代表云量,湿度等等(我专业不是气象所以不清楚,这里就是意思一下),湿度是干是湿,云量是多是少,这些概率总是比较容易求出的。

    P( x | y = "rain") = P(x_{1}|y="rain")\times P(x_{2}|y="rain")\times ...\times P(x_{i}|y="rain") 。又P( y = "rain")可求。因此这个

    P(y = "rain" , x)就求出来了。

    同理P(y = "sunny" , x)也可以求出来。虽然最后可以得出最后的结果到底是下雨还是晴朗,但是中间的求解过程却非常的复杂。这便是产生式模型。

    判别式模型不会计算这么繁杂的中间过程,而是直接计算P(y = "rain" , x)P(y = "sunny" , x)。具体过程暂时不细述了,本文章主要是想阐述一下产生式模型和判别式模型的不同思想。判别式模型显然会更受欢迎,但是产生式模型也并不是一无是处。在数据量较少的情况下,产生式模型的准确率会非常高。判别式模型的准确率会随着数据量的增多时而增长。

    最后本文如果有什么错误的内容,望各位同行不吝赐教,拜谢。

    参考的书有:宗成庆的《统计自然语言处理》、Daphne koller 等写的《概率图模型原理与技术》

    展开全文
  • 当有签名UTF-8编码内容被解析器解析时,解析器直接根据签名即可判断出使用UTF-8编码来进行解析,当无签名时,解析器会根据内容编码来进行判别。所以,有签名将更容易被解析器以正确编码方式进行解析。 有...
  • 判别条件后执行。 def func(): for i in range(1,11): if i % 2 == 0: continue #if判断后,跳过continue语句下表达式。不输出print(i) print(i) func() # 输出结果:1 3 5 7 9 总结:就是当 i % 2 == 0时...
  • 高斯判别分析(GDA)

    2019-10-08 16:05:56
    概率判别模型与概率生成模型的区别 概率判别模型 首先用sigmoid函数求出 然后通过极大似然估计,求出P(Y|X)的似然来估计预测值 概略判别模型精确的求出概率值 概率生成模型 生成模型不直接计算而是...
  • Python中break,returnpass,continue用法区别 转载来源 #判别条件后执行。 def func(): for i in range(1,11): if i % 2 == 0: continue #if判断后,跳过continue语句下表达式。不输出print(i) ...
  • 判别条件后执行。 def func(): for i in range(1,11): if i % 2 == 0: continue #if判断后,跳过continue语句下表达式。不输出print(i) print(i) func() # 输出结果:1 3 5 7 9 def func1(): for i...
  • GAN:通过 将 样本 特征 化 以后, 告诉 模型 哪些 样本 是 黑 哪些 是 白, 模型 通过 训练 后, 理解 了 黑白 样本 区别, 再输入 测试 样本 时, 模型 就可以 根据 以往 经验 判断 是 黑 还是 白。...
  • 判别条件后执行。 def func(): for i in range(1,11): if i % 2 == 0: continue #if判断后,跳过continue语句下表达式。不输出print(i) print(i) func() # 输出结果:1 3 5 7 9 总结:就是当 i % 2 == 0...
  • 近来刚学JAVA,就从JAVA写起吧,JAVA判别素数,其实方法C/C++没什么区别,主要就是想谈一下,其中包括3个点。 (1)JAVA语言产生随机数,random函数,定义参数max作用是给出最大随机数生成范围,当然也可以...
  • 上一篇文章介绍了决策树分析的基本理论,以及它与聚类分析、判别分析、逻辑回归分析等分类和判别方法的区别与联系,大家可以点击下方文章链接回顾: 数据分析技术:决策树分析;机器学习入门模型 决策树...
  • AEVAE,CVAE

    2021-05-23 16:11:27
    变分自编码器VAEGAN的区别 VAEGAN都能生成新数据,但在生成质量的判断上,它们的做法不同。VAE使用概率思想,通过计算生成数据分布与真实数据分布的相似度(KL散度)来判断。但GAN直接使用神经网络训练一个判别器...
  • equals()hashCode()区别 比较项 equals() hashCode() 从哪儿来 Object类 Object类 本质 两个对象里面包含值(对象引用或值类型值) 对象实例哈希码 使用场景 判别相等 批量数据...
  • JS基础高级01

    2021-01-24 19:03:22
    1.在JS中,“=” “” 的区别就是,前者判断两个数据类型是否全等的时候,不会做数据类型转换,而后者会先转换到相同的数据类型再判别。 2.typeof 则是返回数据类型的字符串表达。 3.例子: var a; console.log...
  • 今天说K-means聚类算法,但是必须要先理解聚类分类的区别,很多业务人员在日常分析时候不是很严谨,混为一谈,其实二者有本质的区别。 分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾...
  • 如何区分360浏览器谷歌浏览器

    千次阅读 2017-05-22 16:56:39
    可以根据userAgent来判断浏览器类型,大多数浏览器都能这样判别,但比较坑是,自某次事件后,360彻底赖上谷歌了,这一下坑了好多人,因为很多人都不知道如今还能用什么方法区分开它俩,小弟有幸偶然发现他俩一点点...
  • 一 什么是磁力计、加速度计陀螺仪以及他们之间的区别1、什么是陀螺仪、加速度计磁力计?(1)陀螺仪(Gyroscope、GYRO-Sensor)也叫地感器,三轴陀螺仪的工作原理是通过测量三维坐标系内陀螺转子的垂直轴与设备...
  • UTF-8有签名无签名的区别 当有签名的UTF-8编码内容被解析器解析时,解析器直接根据签名即可判断出使用UTF-8编码来进行解析,当无签名时,解析器会根据内容的编码来进行判别。所以,有签名的将更容易被解析器以...
  • Java语言基础(二)

    2012-07-20 17:52:00
    Java语言基础 比较运算符逻辑运算符... ※|| |的区别:首个判别式为真,则后边的判别式不进行判断,结果为true。 一个数异或同一个数两次,结果还是这个数。 class OperateDemo3 { public static void ...
  • 20量化特征规则、量化判别规则量化描述规则的区别 21SQL Server Analysis Services来建立一个数据仓库 22强关联规则一定是有趣的吗 ?看P172例题 23通过面向属性的归纳后得到的训练样本集合,要求用信息增益的...
  • ---------------------- android培训... ※&& &的区别:首个判别式为假,则后边的判别式不进行判断,结果为false。  ※|| |的区别:首个判别式为真,则后边的判别式不进行判断,结果为true。  一个数异或同一
  • 首先说一下分类聚类的区别: 分类: 分类其实就是从特定的数据中挖掘模式,做出相对应的判断。例如对班级的学生进性性别的分类,我事先已经知道只有男性女性两个分类。 聚类: 聚类的目的也是将数据分类,但是在...

空空如也

空空如也

1 2 3
收藏数 56
精华内容 22
关键字:

判断和判别的区别