Discriminaattinen

Discriminaattinen (engl. discriminative) on tilastotieteen ja koneoppimisen käsite, joka viittaa lähestymistapaan, jossa malli oppii erottamaan luokat suoraan havaintoaineistosta. Discriminaattiset mallit tavoittelevat todennäköisyysjakauman P(y|x) tai pelkän päätöspinnan rajojen oppimista, eikä mallintamaan koko yhteisjakaumaa P(x,y).

Toisin kuin generatiiviset mallit, jotka mallintavat datan syntymisprosessin ja sekä P(x|y) että P(y), diskriminaattiset mallit keskittyvät tehtävään nähden oleellisen rakenteen oppimiseen ja päätöksen tekemiseen. Tämä tekee niistä usein tehokkaita luokittelutehtävissä, kun painopiste on erottelukyvyn maksimoimisessa.

Esimerkkejä discriminatiivisista malleista ovat logistinen regressio, tukivektori-koneet (SVM), sekä monet nykyaikaiset neuroverkot luokittelussa. Näillä malleilla on laaja sovellusalue luonnollisessa kielessä, tietokonenäössä, puheentunnistuksessa ja monissa muissa säädellyissä luokittelu- ja rakenteellisten tehtävissä.

Koulutus ja käyttö: diskriminaattiset mallit optimoivat kustannusfunktioita kuten cross-entropy tai hinge loss, ja niitä käytetään usein suuremmalla luotettavuudella, kun puuttuvat tiedot tai data on rajoitettua. Ne vaativat usein laadukasta, merkittyä dataa ja riippuvat vahvasti ominaisuuksien laadusta sekä esikäsittelystä. Yhteenvetona, discriminatiiviset lähestymistavat tarjoavat tehokkaan tavan oppia luokitusmallit suoraan riippuvuudesta x ja y.