生成模型与判别模型，如何区分长尾词的生成与识别？

本文共计1437个文字，预计阅读时间需要6分钟。

决策函数 \( Y=f(X) \) 和条件概率分布 \( P(Y|X) \) + 监督学习，以分类器为例，实际学习的是决策函数：输入 \( X \)，计算 \( Y \)。决策函数 + 时间，将 \( Y \) 与一个阈值比较，判断 \( X \) 的类别，例如二分类中 \( Y \) 大于阈值属于一类。

决策函数Y=f(X)和条件概率分布P(Y|X)

监督学习，以分类器为例，实际学习的是决策函数：输入X，计算Y。

• 决策函数
• 时，将Y与一个阈值比较，判断X的类别，例如二分类，Y大于阈值，属于类别0，Y小于阈值，属于类别1.
• 条件概率分布
• ，输入X，比较输出概率最大的作为X对应的类别，例如二分类：
• ，则属于类别0.

上述两个模型都可以计算X属于的类别，实际上条件概率分布

预测也隐含这决策函数

的形式，而决策函数

也隐含着条件概率分布。