鑑別式AI常用以下技術:
邏輯回歸:
用於二元分類問題,直接建模 ( P(y|x) ) 為特徵的邏輯函數。
支援向量機(SVM):
尋找 最大邊距 超平面 來分隔不同類別。
決策樹與隨機森林:
基於特徵條件進行分類,隨機森林 是 決策樹 的集成方法。
神經網絡:
特別是深度學習模型(如卷積神經網絡CNN),適用於複雜的分類任務。
梯度提升機:
如XGBoost,通過集成方法 提升 分類精度。
這些技術 都專注於 分類或預測,而非數據生成。
鑑別式AI常用以下技術:
邏輯回歸:
用於二元分類問題,直接建模 ( P(y|x) ) 為特徵的邏輯函數。
支援向量機(SVM):
尋找 最大邊距 超平面 來分隔不同類別。
決策樹與隨機森林:
基於特徵條件進行分類,隨機森林 是 決策樹 的集成方法。
神經網絡:
特別是深度學習模型(如卷積神經網絡CNN),適用於複雜的分類任務。
梯度提升機:
如XGBoost,通過集成方法 提升 分類精度。
這些技術 都專注於 分類或預測,而非數據生成。