关于判别模型和生成模型有两种界说，第一种界说针对的是有监督学习的分类问题。该问题的方针是给定一个样本的向量（可所以原始数据如图画，声响，也可所以提取出来的特征向量），在这里咱们将它称为输入变量，方针是预测出这个样本的类别即标签值，一般是一个离散的标量，即类别编号。

　　因而算法要处理的中心问题是依据训练样本树立下面这样的映射函数：关于这个问题，求解思路，下面天津沙盘模型公司分别介绍。称为生成模型。已知输入变量x和方针变量y,先对它们的联合概率散布p（x, y）建模，然后核算样本归于每一个类的条件概率即类后验概率，按照这个值来完结分类，如将样本分到概率最大的那个类。依据概率论的常识有。
　　在这里为联合概率密度函数，为样本输入向量的边缘密度函数。天津沙盘模型公司对上面这种做法的直观解说是：咱们已知某一个样本具有某种特征x,现在要断定它输入哪个类，而天然的因果关系是，样本之所以具有这种特征，是因为它归于某一类。
　　例如，咱们要依据体重，脚的尺度这两个特征来判别一个人是男性仍是女人，咱们都知道，男性的体重总体来说比女人大，脚的尺度也更大，因而从逻辑上来说，是因为一个人是男性，因而才有这种大的体重和脚尺度。而在分类使命中要做的却相反，是给了你这样个特征的样本，让你反推这人是男性仍是女人。