在机器学习领域判别模型是一种对未知数据 y {\displaystyle y} 与已知数据 x {\displaystyle x} 之间关系进行建模的方法。判别模型是一种基于概率理论的方法。已知输入变量 x {\displaystyle x} ，判别模型通过构建条件概率分布 P ( y | x ) {\displaystyle...

生成模型的定义与判别模型相对应：生成模型是所有变量的全概率模型，而判别模型是在给定观测变量值前提下目标变量条件概率模型。因此生成模型能够用于模拟（即生成）模型中任意变量的分布情况，而判别模型只能根据观测变量得到目标变量的采样。判别模型...

线性判别分析（英語：Linear discriminant analysis，縮寫：LDA）是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。...

的線性分類器。第一種模型條件機率 P ( x → | c l a s s ) {\displaystyle P({\vec {x}}|{\rm {class}})} 。這類的算法包括： 線性判別分析（LDA） --- 假設為高斯條件密度模型。 朴素貝葉斯分類器 --- 假設為条件独立性假设模型。 第二種方式則稱為判別模型（discriminative...

在计算机科学中，并行编程模型（Parallel programming model）是并行计算机架构的抽象化，通过它可方便的表达算法和它们在程序中的合成。判别编程模型的价值可以通过它的通用性：在各种不同架构上能表达多大范围的不同问题，和它的性能：编译的程序在执行时有多高的效率。并行编程模型...

方差分析（Analysis of variance） 回归分析 逻辑回归分析（二类评定回归分析，Logit模型） 判别分析（Linear discriminant analysis） 线性判别分析 Linear Structure Relation, LISREL 主成分分析（因子分析）（Factor...

的目标是根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集提供的样本，通过计算选择特征参数，建立判别函数以对样本进行的分类。与之相对的是無監督學習，例如聚类分析。 统计分类机器学习是一种利用统计方法和算法来从数据中学习分类规则的技术。分类是一种预测...

局域密度近似（local-density approximation），密度泛函理论的其中一类交换相关能量泛函中使用的近似 线性判别分析（Linear Discriminant Analysis），一种统计学中的分析方法 隐含狄利克雷分布（Latent Dirichlet Allocation），一种概率主题模型...

，缺乏精确的词对齐是中文机器翻译远远落后于其他语言的原因。虽然目前出现了一些区分性词对齐技术，无监督对齐仍然是其中的重要组成部分。 判别式模型噪声信道模型（产生式模型）不同，它不应用贝叶斯公式，而是直接对条件概率 p ( e | f ) {\displaystyle p(e|f)} 建模。 在这个框架下，...

因此，模型参数的数量等于 c d + w c {\displaystyle cd+wc} ，参数数量随文档数量呈线性增长。此外，尽管PLSA是基于文档集的生成模型，但它并不是新文档的生成模型。 模型的参数使用最大期望算法（EM算法）学习得到。 PLSA可以通过Fisher核函数用于判别设置。...

模型的方法。该方法包括两个阶段：无监督的生成式“预训练”阶段，使用目标函数来设置初始参数；以及有监督的判别式“微调（英语：fine-tuning (machine learning)）”阶段，将这些参数在目标任务上进行微调。 OpenAI于2020年7月发布了GPT-3的首个版本。其中包括三个模型...