1.2.1 判别式模型

判别式模型的主要任务是学习输入数据和输出标签之间的映射关系。简而言之，它们试图直接从输入数据预测输出标签。判别式模型关注于边界，即不同类别或结果之间的分界线。常见的判别式模型包括逻辑斯谛回归（Logistic Regression，LR）、支持向量机（Support Vector Machine，SVM）、深度神经网络（Deep Neural Network，DNN）等。

1. 逻辑斯谛回归

逻辑斯谛回归是一种广泛使用的线性分类器，主要用于二分类问题。它通过sigmoid函数将线性回归的输出压缩到[0,1]区间，以表示某个类别的概率。

2. 支持向量机

支持向量机是一种强大的分类器，通过寻找最大间隔超平面以最好地分割不同的类别。支持向量机在处理中小型复杂数据集方面表现突出，尤其是在高维空间。如图1-1所示，使用支持向量机对白点、黑点进行分类。

图1-1 支持向量机

3. 深度神经网络

深度神经网络通过组合多个非线性处理层来学习复杂的数据表示。深度神经网络在语音识别、图像识别、NLP等领域取得了巨大成功。