1 定义
监督学习方法分为生成方法（generative approach）和判别方法（discriminative approach），所学到的模型分别为生成模型和判别模型。
生成方法由数据学习联合概率分布)
，然后求出条件概率分布)
作为预测模型，即生成模型：%3D%5Cfrac%20%7BP(X%2CY)%7D%7BP(X)%7D)
这样的方法之所以被称为生成方法，是因为模型表示了给定输入
产生输出
的生成关系。典型的生成模型有：朴素贝叶斯和隐马尔科夫模型。
判别方法由数据直接学习决策函数)
或者条件概率分布)
作为预测的模型，即判别模型。判别方法关心的是对给定的输入，应该预测什么样的输出，典型的判别模型包括：
近邻法、感知机、决策树、逻辑斯谛回归、最大熵模型、支持向量机、提升方法和条件随机场等。
2 特点
2.1 生成方法的特点
生成方法可以还原出联合概率分布，而判别方法则不能；生成方法的学习收敛速度更快，即当样本容量增加的时候，学到的模型可以更加收敛于真实模型；当存在隐变量（？）时，仍可以用生成方法学习，此时判别方法就不能用。
2.2 判别方法的特点
判别方法直接学习的是条件概率或决策函数，直接面对预测，往往学习的准确率更高；由于直接学习或，可以对数据进行各种程度上的抽象、定义特征并使用特征，因此可以简化学习问题。
参考文献：
李航. 统计学习方法[M]. 清华大学出版社, 2012.
