Дискримінаційні моделі поділяють простір даних на класи, вивчаючи межі, тоді як генеративні моделі розуміють, як дані вбудовані в простір. Обидва підходи сильно відрізняються, що робить їх придатними для конкретних завдань.
«Генеративний» описує клас статистичних моделей, які відрізняються від дискримінаційних моделей. неофіційно: Генеративні моделі можуть генерувати нові екземпляри даних. Дискримінаційні моделі розрізняють різні типи екземплярів даних.
Наївна байєсовська модель є генеративною, тоді як логістична регресія є дискримінаційною моделлю . Генеративна модель базується на сумісній ймовірності, p( x, y), вхідних даних x і мітки y, і робить їх передбачення за допомогою правил Байєса для обчислення p(y | x), а потім вибирає найбільш ймовірну мітку y .
У процесі синтезу генеративними є підходи алгоритмічні стратегії, здатні створювати нові структури, який відрізняється від звичайних методів оптимізації, що полягає у виборі з попередньо визначеного набору структур (наприклад, евристики та оптимізації надбудови).
Правильна відповідь! Генеративну модель ШІ можна навчити на наборі даних зображень котів, а потім використовувати для створення нових зображень котів. Дискримінаційну модель ШІ можна навчити на наборі даних зображень котів і собак, а потім використовувати для класифікації нових зображень як котів або собак.
Дискримінаційні моделі є на основі контрольованого навчання, використовуючи позначені дані, де під час навчання доступні як вхідні дані, так і позначки. Вони зосереджені на мінімізації помилок класифікації або максимізації ймовірності точних прогнозів класу.