Discriminative Models

Discriminative models (дискримінативні моделі) — це алгоритми, розроблені переважно для задач класифікації або прогнозування, що використовують шаблони, які вони розпізнають на основі навчальних даних. Скажімо, нам потрібна модель, яка може визначити, чи є вишня стиглою або нестиглою.

Спочатку ми показуємо численні марковані зображення — приклади стиглої та нестиглої вишні. Модель аналізує ці приклади та визначає відмінні риси, які відрізняють стиглу вишню від нестиглої. Після завершення навчання моделі можна показати нові зображення вишень — і вона порівняє їх з вивченими шаблонами, щоб класифікувати кожну вишню як стиглу або нестиглу.

Важливо зрозуміти, що модель насправді не розуміє, що таке вишня. Вона просто навчилася відрізняти стан A (стигла) від стану B (нестигла), спираючись на бібліотеку попередніх прикладів. Іншими словами, вона може реагувати лише на те, що присутнє в її наборі даних.

Якщо модель стикається з об'єктом, з яким вона ніколи не стикалася — наприклад, з жирафою — вона може або не класифікувати його, або помилково віднести до однієї з відомих категорій, залежно від того, як вона була навчена.

Дискримінативні моделі зазвичай використовуються для розпізнавання автомобілів на перехрестях, людей на пішохідних переходах, об'єктів на виробництві. У поєднанні з текстовими даними їх можна використовувати для автоматичного сортування документів або машинного перекладу. І хоча дискримінаційні моделі — надзвичайно корисні, вони не такі захопливі, як...