В чем заключаются основные отличия генеративных и дискриминативных моделей?

Некоторые основные отличия генеративных и дискриминативных моделей:

• Цель. www.tutorialspoint.com t.me Генеративные модели стремятся охватить базовое распределение данных и создать новые данные, сопоставимые с исходными. www.tutorialspoint.com Дискриминативные модели направлены на понимание границ между различными типами данных и их классификацию по отдельным категориям. www.tutorialspoint.com
• Требования к входным данным. www.tutorialspoint.com Для генеративных моделей нужен большой объём входных данных, чтобы изучить распределение вероятностей. www.tutorialspoint.com Для дискриминационных моделей необходимы помеченные входные данные, чтобы узнать, где заканчивается одна категория и начинается другая. www.tutorialspoint.com
• Сложность построения. www.tutorialspoint.com Генеративные модели построить сложнее, чем дискриминационные, поскольку необходимо знать распределение вероятностей данных. www.tutorialspoint.com Дискриминационные модели создавать проще, поскольку им просто нужно понимать, где заканчивается одна категория и начинается другая. www.tutorialspoint.com
• Устойчивость к выбросам. www.unite.ai Дискриминационные модели более устойчивы к выбросам, в отличие от генеративных моделей. www.unite.ai
• Применение. www.unite.ai Генеративные модели полезны для задач машинного обучения без учителя. www.unite.ai Дискриминационные модели полезны для задач контролируемого машинного обучения. www.unite.ai