SVM และแผนผังการตัดสินใจ discriminative เพราะพวกเขาเรียนรู้ขอบเขตที่ชัดเจนระหว่างชั้นเรียน SVM เป็นตัวแยกประเภทมาร์จิ้นสูงสุด หมายความว่าจะเรียนรู้ขอบเขตการตัดสินใจที่เพิ่มระยะห่างระหว่างตัวอย่างของทั้งสองคลาสให้มากที่สุดด้วยเคอร์เนล
ต้นไม้ตัดสินใจเป็นแหล่งกำเนิดหรือไม่
รูปแบบการเลือกปฏิบัติ:
SVM และแผนผังการตัดสินใจเป็นรูปแบบการเลือกปฏิบัติเนื่องจากเรียนรู้ขอบเขตที่ชัดเจนระหว่างชั้นเรียน … โดยทั่วไปแล้ว โมเดลที่เลือกปฏิบัติจะไม่ทำงานสำหรับการตรวจจับค่าผิดปกติ แม้ว่าโมเดลทั่วไป โดยทั่วไปทำ.
ต้นไม้แห่งการตัดสินใจเป็นแบบจำลองการเลือกปฏิบัติหรือไม่
ลอจิสติกถดถอย SVM และตัวแยกประเภทตามต้นไม้ (เช่น ต้นไม้ตัดสินใจ) เป็นตัวอย่างของตัวแยกประเภท แบบจำลองการเลือกปฏิบัติ เรียนรู้โดยตรง การแจกแจงความน่าจะเป็นแบบมีเงื่อนไข P(y|x).
กำเนิดหรือเลือกปฏิบัติคืออะไร
รูปแบบการเลือกปฏิบัติสร้างขอบเขตในพื้นที่ข้อมูล ในขณะที่แบบจำลองทั่วไปพยายามสร้างแบบจำลองว่าข้อมูลถูกวางอย่างไรทั่วทั้งพื้นที่ โมเดลกำเนิดจะเน้นที่ ในการอธิบายว่าข้อมูลถูกสร้างขึ้นอย่างไร ในขณะที่แบบจำลองการเลือกปฏิบัติจะเน้นที่การคาดการณ์ป้ายกำกับของข้อมูล
รูปแบบกำเนิดและการเลือกปฏิบัติคืออะไร
แบบจำลองทั่วไปคือ อัลกอริธึมการเรียนรู้ของเครื่องที่คาดการณ์โดยการสร้างแบบจำลอง การกระจายร่วมกัน P(y, x) โมเดลการแบ่งแยกเป็นคลาสของโมเดลแมชชีนเลิร์นนิงภายใต้การดูแล ซึ่งทำการคาดคะเนโดยการประเมินความน่าจะเป็นแบบมีเงื่อนไข P(y|x)