моделями? Как-то сходу нагуглить не удалось.
Не знаю, какого уровня глубины тебе нужно объяснение, но если совсем поверхностное, то могу перессказать, что мне самому недавно рассказывали. Генеративные модели могут, будучи обученными, генерировать (очевидно) новые примеры данных, основываяюсь на распределении данных, которое она выучила при обучении. Например, спам-фильтр на наивном байесе выучил, с какой вероятностью у тебя будет слово в классе "спам" и с какой в классе "не спам". Далее ты можешь взять вероятности для класса "спам" и выбирать оттуда слова с той вероятностью, как они могли быть в спаме. Или же марковская цепь тоже как пример. Дискриминативные модели, тоже исходя из названия, могут только тренировочные данные как-то описать, но не хранят в себе распределение, и воспроизвести начальные данные нельзя. Сюда относится, например, логистическая регрессия
Дискриминативные делят пространство, генеративные выделяют подпространство
Обсуждают сегодня