首先明确一点，机器学习其实是从特征x预测标记y，求条件概率P(y|x)的过程。 判别式模型 判别式模型直接通过求解条件概率p(y|x)或者直接计算y的值来预测y，就是判别数据输出量的模型； 举例： 要判断一个羊是山羊还是绵羊，用判别式模型就是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。 求解思路： 条件分布-->模型参数后验

【问题】 已知实数a,b，b在(0,1)区间，a-b=1,则1/(a-1)+1/(5-4b)的最小值是？ 【来源】 《解题卡壳怎么办 高中数学解题智慧点剖析》P34 余继光 苏德矿合著 浙江大学出版社出版 【破题点】 将a-1用b取代，发现结果是二次式相除，正好可用判别式法。 【解答】 由a-b=1得到a-1=b 于是原式=1/b+1/(5-4b) 设b为x,结果为y，得到表达式

首先说明图片来源于《NLP自然语言处理理论与实践》郑捷著

1. 生成式模型与判别式模型最大的区别 生成式模型与判别式模型最大的区别在于它们对数据的建模方式和目标。 建模方式： 生成式模型（Generative models）尝试学习输入数据和输出标签的联合概率分布 P ( X , Y ) P(X, Y) P(X,Y)。它关注于如何根据这个分布生成数据，即模型试图理解数据是如何产生的，包括数据的特征以及特征与标签之间的关联。判别式模型（Discrim

模式识别与机器学习-判别式分类器 生成式模型和判别式模型的区别线性判别函数多分类情况多分类情况1多分类情况2多分类情况3 例题 广义线性判别函数实例 分段线性判别函数Fisher线性判别感知机算法例：感知机多类别分类 谨以此博客作为学习期间的记录 生成式模型和判别式模型的区别 生成式模型关注如何生成整个数据的分布，而判别式模型则专注于学习如何根据给定输入预测输出标签或数值。

©PaperWeekly 原创 · 作者 | 徐蔚文，李昕，邴立东等 单位 | 阿里巴巴达摩院 论文链接：  https://arxiv.org/pdf/2212.04755.pdf 收录会议： NeurIPS 2023 论文链接：  https://aclanthology.org/2023.acl-short.131.pdf 收录会议： ACL 2023 代码链接： https://g

http://blog.csdn.net/pipisorry/article/details/78831441 逻辑回归Logistic Regression 逻辑回归是一种线性分类模型，而不是回归模型。也就是说，输入的因变量target y是离散值，如分类类别1，0等等，而不是连续型的数据。 判别式训练的⼀种形式：在直接⽅法中，我们最⼤化由条件概率分布p(Ck j x)定义的似然函数。判别