生成模型 VS 判别模型

监督学习方法又分生成方法（Generative approach）和判别方法（Discriminative approach），所学到的模型分别称为生成模型（Generative Model）和判别模（Discriminative Model)。

判别模型：由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。典型的判别模型包括k近邻，感知级，决策树，支持向量机等。

生成模型：由数据学习联合概率密度分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)。基本思想是首先建立样本的联合概率概率密度模型P(X,Y)，然后再得到后验概率P(Y|X)，再利用它进行分类。常见的有NB HMM模型。

生成模型与判别模型 - CSDN博客  机器学习“判定模型”和“生成模型‘有什么区别？  机器学习--判别式模型与生成式模型 - 博临天下 - 博客园

简单来说，判别模型就是直接采用输入特征去预测输出，或者说是条件概率。而生成模型关注的是抓去样本的分布特征，通过建立每个类别的特征分布，最终建立的很多类别的生成器来觉得到底哪个最像。