---
title: "判別模型（Discriminative Model）"
slug: discriminative-model
language: zh-TW
source: https://aiterms.tw/terms/discriminative-model
updated_at: 2026-07-30
tags: [分類模型, 條件機率, 監督學習, 邏輯回歸, 生成模型]
ipas_term: false
---

# 判別模型（Discriminative Model）

直接學習輸入特徵與輸出類別之間條件機率 P(Y|X) 的機器學習模型。

## 完整說明

判別模型（Discriminative Model）是機器學習中的一大類模型，其目標是直接建模給定輸入 X 的條件下輸出 Y 的條件機率分布 P(Y|X)，或直接學習決策邊界，而不對輸入資料本身的分布進行建模。與生成模型相對，判別模型通常在分類和回歸任務上具有更高的預測準確度。

## 常見問題

### 深度神經網路用於圖像分類是判別模型還是生成模型？

用於分類的深度神經網路（如 ResNet、EfficientNet）是判別模型。它們的輸出層通常是一個 Softmax 函數，直接輸出「給定這張圖像，屬於各個類別的條件機率 P(Y|X)」，而不對圖像本身如何生成做任何建模。與此對比，擴散模型（Diffusion Model）和 VAE（變分自編碼器）屬於生成模型，它們能夠建模圖像的分布，從而生成新圖像。GAN 的判別器（Discriminator）雖然名字有「判別」，但整個 GAN 系統屬於生成模型：判別器只是訓練生成器的輔助工具。

### 什麼情況下應該選生成模型而不是判別模型？

以下情況通常選擇生成模型：第一，任務本身需要生成新資料（如圖像生成、文字創作），判別模型無法做到；第二，需要估計資料的分布，例如異常偵測（離群值在低機率區域）；第三，標注資料極少，但無標注資料很多，此時生成模型可以先建模資料分布，利用無標注資料的資訊；第四，需要進行密度估計或貝葉斯推斷。在大多數純分類或回歸任務中，若標注資料充足，判別模型通常是更務實的選擇，因為它訓練效率更高、預測準確度更好。

### 條件隨機場（CRF）為什麼是判別模型？和 HMM 有什麼差別？

條件隨機場（CRF）直接建模輸出序列 Y 給定輸入序列 X 的條件機率 P(Y|X)，不對輸入 X 的分布做任何建模，因此是判別模型。而隱馬爾可夫模型（HMM）建模觀測序列與隱狀態序列的聯合分布 P(X, Y)：HMM 對每個狀態的觀測如何生成有明確假設（發射機率），屬於生成模型。在序列標注任務（如命名實體辨識、詞性標注）中，CRF 相比 HMM 的優勢在於：它可以輕鬆整合任意形式的上下文特徵（如前後詞、詞性、大小寫等），不受 HMM 的觀測獨立性假設限制，因此通常準確度更高。

---

來源：https://aiterms.tw/terms/discriminative-model
快查頁：https://aiterms.tw/terms/discriminative-model
最後更新：2026/07/30
深度解說：https://aiterms.tw/learning/what-is-discriminative-model