下载掌阅APP，畅读海量书库
立即打开
什么是生成模型？它与机器学习中有监督、无监督学习有哪些异同？接下来就这些问题进行说明。
一个好的生成模型应该能实现以下两个目标。
● 基本功能：能够还原参与训练的样本，实现模仿功能。
● 创新功能：如果输入为图像，通过生成模型，能够生成原数据没有但与输入图像相似的图像；如果输入为语句，通过生成模型，能够生成输入语句的摘要或对答短语等信息。
图1-3为生成模型的架构图。
生成模型的数学表示如下：
输入：观察数据 x 。
输出：生成模型估计的观察数据的分布函数 p （ x ）。 p （ x ）通常认为是高斯混合模型，高斯混合分布具有一个重要特性，即它可以拟合任何分布。如果观察数据中含标签 y ，则生成模型的输出就是 p （ x | y ）。
图1-3 生成模型的架构图
判别模型与机器学习的有监督学习相似，输入数据除图像外，还需要对应图像的类别标签，如图1-4所示。
图1-4 判别模型的架构图
判别模型的数学表示如下：
输入：观察值 x ，标签 y 。
学习参数：模型参数 w 。
输出：判别模型
。