Inferencia, estimación y toma de decisiones a partir de datos
Existen dos formas fundamentales de construir un clasificador, y esta distinción atraviesa toda la inteligencia artificial. Un model generativo aprende directamente cómo cada clase genera sus datos. Un model discriminante aprende la frontera entre las clases.
Formalmente: un model discriminante estima la probabilidad condicional p(y|x)directamente, respondiendo "dado estos rasgos, qué etiqueta?" Un model generativo estima la distribución conjunta p(x, y) (a menudo a través de p(x|y) y p(y)), luego usa la regla de Bayes para obtener p(y|x).
Piensa en dos estudiantes de arte. Uno aprende a pintar un gato desde cero, dominando cómo se unen el pelaje, los bigotes y las orejas: ese es un modelo generativo, que aprende cómo cada clase produce sus datos. El otro nunca pinta nada pero se vuelve brillante en detectar un gato versus un perro en cualquier foto: ese es un modelo discriminativo, que aprende solo el límite entre clases. El pintor puede crear gatos nuevos; el detector solo traza la línea, y a menudo es más agudo en ello.