參照http://blog.csdn.net/daijiguo/article/details/52218207

比如二類分類問題，不管是感知器算法還是邏輯斯蒂回歸算法，都是在解空間中尋找一條直線從而把兩種類別的樣例分開，對于新的樣例只要判斷在直線的哪一側即可；這種直接對問?題求解的方法可以成為判別學習方法（discriminative learning algorithm）。

而生成 學習算法則是對兩個類別分別進行建模，用新的樣例去匹配兩個模型，匹配度較 高的作為新樣例的類別，比如良性腫瘤與惡性腫瘤的分類，首先對兩個類別分別 建模，比如分別計算兩類腫瘤是否擴散的概率，計算腫瘤大小大于某個值的概率 等等；再比如狗與大象的分類，分別對狗與大象建模，比如計算體重大于某個值 的概率，鼻子長度大于某個值的概率等等。

形式化的說，判別學習方法是直接對 p(y|x)進行建模或者直接學習輸入空間 到輸出空間的映射關系，其中，x 是某類樣例的特征，y 是某類樣例的分類標記。 而生成學習方法是對 p(x|y)（條件概率）和 p(y)（先驗概率）進行建模，然后按 照貝葉斯法則求出后驗概率 p(y|x)

總結

以上是生活随笔為你收集整理的判别学习与生成学习的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。