Ger*_*anC 6 machine-learning machine-learning-model
我正在编写一个文档，其中应该包含使用朴素贝叶斯（生成）和逻辑回归（判别）模型进行文本分类之间的主要区别。
在我的研究中，我遇到了朴素贝叶斯模型的这个定义：https : //nlp.stanford.edu/IR-book/html/htmledition/naive-bayes-text-classification-1.html
文档
d在类中的概率c计算为......其中术语出现在类文档中p(tk|c)的条件概率......tkc
当我开始比较生成模型和判别模型时，我发现 StackOverflow 上的这个解释被接受了：生成算法和判别算法之间有什么区别？
一个生成模型学习的联合概率分布
p(x,y)和判别模型学习的条件概率分布p(y|x)-你应该读作“给定x和y的概率”。
在这一点上我感到困惑：朴素贝叶斯是一个生成模型并使用条件概率，但与此同时，判别模型被描述为好像它们学习了条件概率，而不是生成模型的联合概率。
有人可以对此有所了解吗？
谢谢！
它是生成性的，因为您不直接对后验进行建模p(y|x)，而是学习联合概率的模型p(x,y)，也可以表示为p(x|y) * p(y) （先验的似然倍数），然后通过贝叶斯规则，您寻求找到最可能的y。
在这种情况下，我可以推荐的一本好读物是：“论判别式与生成式分类器：逻辑回归和朴素贝叶斯的比较” （Ng & Jordan 2004）
| 归档时间： |
|
| 查看次数： |
2371 次 |
| 最近记录： |