Xem mã nguồn của Mô hình tạo sinh

{{About|các mô hình tạo sinh trong bối cảnh phân loại thống kê|các mô hình tạo sinh của [[quá trình quyết định Markov]]|các mô hình tạo sinh#các mô hình giả lập}}

Trong [[phân loại bằng thống kê]], có hai cách tiếp cận chính là tiếp cận '''tạo sinh''' (sinh mẫu) và tiếp cận '''phân biệt'''. Hai cách này tính toán [[Classification rule|các bộ phân lớp]] (classifier) bằng nhiều cách khác nhau, tùy theo mức độ của [[mô hình thống kê]]. Thuật ngữ đặt tên cho các mô hình này không nhất quán,{{efn|Three leading sources, {{harvnb|Ng|Jordan|2002}}, {{harvnb|Jebara|2004}}, and {{harvnb|Mitchell|2015}}, give different divisions and definitions.}} nhưng ba loại chính có thể được phân biệt đó là {{harvtxt|Jebara|2004}}:
* Cho một [[biến quan sát]] (observable variable) ''X'' và một [[biến đích]] (target variable) ''Y'', một '''mô hình sinh mẫu''' là một [[mô hình thống kê]] của [[phân phối xác suất đồng thời]] (joint probability distribution) trên ''X''&nbsp;×&nbsp;''Y'', <math>P(X, Y)</math>;<ref name="ngjordan2002generative">{{harvtxt|Ng|Jordan|2002}}: "Generative classifiers learn a model of the joint probability, <math>p(x, y)</math>, of the inputs ''x'' and the label ''y'', and make their predictions by using Bayes rules to calculate <math>p(y|x)</math>, and then picking the most likely label ''y''.</ref>
* Một '''[[mô hình phân biệt]]''' (discriminative model) là một mô hình [[xác suất có điều kiện]] của biến đích ''Y'', cho trước một biến quan sát ''x'', ký hiệu, <math>P(Y|X = x)</math>; và 
*  Các phân lớp tính toán được tính toán mà không sử dụng mô hình xác suất cũng được gọi một cách ít chặt chẽ là "phân biệt".
Việc phân biệt giữa hai lớp cuối cùng này không được thực hiện một cách nhất quán;<ref>{{harvnb|Jebara|2004|loc=2.4 Discriminative Learning}}: "This distinction between conditional learning and discriminative learning is not currently a well established convention in the field."</ref> {{harvtxt|Jebara|2004}} đề cập đến ba loại này là ''học tạo sinh'', ''học điều kiện'', và ''học phân biệt'', nhưng {{harvtxt|Ng|Jordan|2002}} chỉ phân biệt hai loại, gọi chúng là '''các phân lớp tạo sinh''' (phân phối đồng thời) và '''các phân lớp phân biệt''' (phân phối có điều kiện hoặc không có phân phối), không phân biệt giữa hai lớp sau.<ref>{{harvnb|Ng|Jordan|2002}}: "Discriminative classifiers model the posterior <math>p(y|x)</math> directly, or learn a direct map from inputs ''x'' to the class labels."</ref> Tương tự, một bộ phân lớp dựa trên một mô hình tạo sinh là một '''phân lớp tạo sinh''', trong khi một bộ phân lớp dựa trên một mô hình phân biệt là một '''phân lớp phân biệt''', mặc dù  thuật ngữ này cũng đề cập đến các bộ phân lớp không dựa trên một mô hình.

== Xem thêm ==
{{Portal|Toán học}}
* [[Mô hình phân biệt]]
* [[Mô hình xác suất dạng đồ thị]]

== Chú thích ==
<references group="lower-alpha"/>

== Tham khảo ==
{{Tham khảo}}

== Liên kết ngoài ==
{{Đầu tham khảo}}
* {{chú thích tạp chí |authorlink=Claude Shannon |last=Shannon |first=C. E. |year=1948 |url=https://www.tnt.uni-hannover.de/edu/vorlesungen/InfoTheor/download/shannon1948.pdf |title=A Mathematical Theory of Communication |journal=[[Bell Labs Technical Journal]] |volume=27 |pages=379–423, 623–656 |issue=July, October |doi=10.1002/j.1538-7305.1948.tb01338.x |hdl=10338.dmlcz/101429 |access-date = ngày 25 tháng 1 năm 2021 |archive-date = ngày 6 tháng 6 năm 2016 |archive-url=https://web.archive.org/web/20160606220007/http://www.tnt.uni-hannover.de/edu/vorlesungen/InfoTheor/download/shannon1948.pdf }}
* {{chú thích sách |authorlink=Tom M. Mitchell |first=Tom M. |last=Mitchell |title=Machine Learning |year=2015 |chapter=3. Generative and Discriminative Classifiers: Naive Bayes and Logistic Regression |chapter-url=https://www.cs.cmu.edu/~tom/mlbook/NBayesLogReg.pdf }}
* {{chú thích tạp chí |last1=Ng |first1=Andrew Y. |authorlink1=Andrew Ng |first2=Michael I. |last2=Jordan |authorlink2=Michael I. Jordan |title=On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes. |journal=Advances in Neural Information Processing Systems |url=http://robotics.stanford.edu/~ang/papers/nips01-discriminativegenerative.pdf |year=2002 }}
* {{chú thích sách |first=Tony |last=Jebara |title=Machine Learning: Discriminative and Generative |series=The Springer International Series in Engineering and Computer Science |publisher=Kluwer Academic (Springer) |year=2004 |isbn=978-1-4020-7647-3 |url=https://www.springer.com/us/book/9781402076473 }}
* {{cite thesis |type=PhD |last=Jebara |first=Tony |date=2002 |title=Discriminative, generative, and imitative learning |publisher=[[Viện Công nghệ Massachusetts]] |hdl=1721.1/8323}}, ([https://www.cs.columbia.edu/~jebara/papers/jebara4.pdf mirror] {{Webarchive|url=https://web.archive.org/web/20200113212727/http://www.cs.columbia.edu/~jebara/papers/jebara4.pdf |date = ngày 13 tháng 1 năm 2020}}, [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.7.513&rep=rep1&type=pdf mirror]), published as book (above)
{{Cuối tham khảo}}

{{Thống kê|state=expanded}}

[[Thể loại:Học máy]]
[[Thể loại:Mô hình thống kê]]
[[Thể loại:Mô hình xác suất]]