问题引入

面试的时候经常会被问到一些简单，但是乍一听起来好像有点难反应过来，这个问题算是一个，其实这从道题从定义上来看就可以区分出两个模型的异同。

问题解答

在我们所学习到的机器学习算法中分为有监督和无监督，其中有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。

参考：

https://www.zhihu.com/question/20446337/answer/256466823

https://blog.csdn.net/zouxy09/article/details/8195017

喜欢就关注一下啦~~~