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 Base Network (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