คำถามสัมภาษณ์ที่ได้รับความนิยม: ความแตกต่างระหว่างโมเดลที่สร้างข้อมูล (Generative) และโมเดลที่แยกแยะข้อมูล (Discriminative)

คุณเคยได้ยินเกี่ยวกับ Generative Ai แล้ว Discriminative model คืออะไร

ตามแนวทางการสร้างแบบจำลองข้อมูล โมเดล ML สามารถแบ่งออกเป็นสองประเภท ได้แก่

โมเดลที่สร้างข้อมูล (Generative)
โมเดลที่แยกแยะ (Discriminative)

เราจัดทำแผนภาพต่อไปนี้เพื่อแสดงให้เห็นว่าทั้งสองประเภทนี้แตกต่างกันอย่างไร

โมเดลที่แยกแยะ (Discriminative models):

เรียนรู้ขอบเขตการตัดสินใจที่แยกประเภทต่างๆ ออกจากกัน
เพิ่มความน่าจะเป็นตามเงื่อนไข: P(Y|X) — เมื่อให้ X แล้ว ให้เพิ่มความน่าจะเป็นของป้ายกำกับ Y
มีจุดประสงค์เฉพาะสำหรับงานจำแนกประเภท

โมเดลที่สร้างข้อมูล (Generative models):

เพิ่มความน่าจะเป็นร่วม: P(X, Y)
เรียนรู้การกระจายตัวของคลาสตามเงื่อนไข P(X|Y)
โดยทั่วไปไม่ถูกนำมาใช้เพื่อแก้ปัญหาการจำแนกประเภทในขั้นตอนต่อไป

เนื่องจากโมเดลที่สร้างข้อมูลเรียนรู้การกระจายตัวที่แท้จริง จึงสามารถสร้างตัวอย่างใหม่ได้ แต่โมเดลที่แยกแยะไม่สามารถทำเช่นนี้ได้

นอกจากนี้ โมเดลที่สร้างข้อมูลยังมีคุณสมบัติในการแยกแยะด้วย กล่าวคือ สามารถนำมาใช้ในการจำแนกประเภทได้ (หากจำเป็น) แต่โมเดลที่แยกแยะไม่มีคุณสมบัติในการสร้างข้อมูล

โปรดทราบว่าเวอร์ชันภาษาไทยได้รับการช่วยเหลือจาก AI ดังนั้นอาจมีข้อผิดพลาดเล็กน้อย

ผู้เขียน

Ai-Banking-NetworkSecurity (ABN), ABN ASIA ถูกก่อตั้งขึ้นโดยคนที่มีรากฐานลึกในวงการวิชาการ มีประสบการณ์การทำงานในสหรัฐอเมริกา ดัตช์ ฮังการี ญี่ปุ่น เกาหลีใต้ สิงคโปร์ และเวียดนาม ABN Asia เป็นที่เราพบกันของวิทยาลัยและเทคโนโลยี ด้วยโซลูชันขั้นสูงและบริการพัฒนาซอฟต์แวร์ที่มีความสามารถ เราช่วยธุรกิจเติบโตและเข้าสู่ฉากโลก ความมุ่งมั่นของเรา: ด่วนขึ้น ดีขึ้น น่าเชื่อถือมากขึ้น ในกรณีส่วนมาก: ราคาถูกด้วย

หากคุณต้องการบริการ IT การให้คำปรึกษาดิจิทัล โซลูชันซอฟต์แวร์ใช้ได้หรือหากคุณต้องการส่งคำขอข้อเสนอ (RFPs) อย่าลังเลที่จะติดต่อเรา คุณสามารถติดต่อเราได้ที่ [email protected] เราพร้อมช่วยเหลือคุณด้านทุกความต้องการทางเทคโนโลยีของคุณทุกเมื่อ