Unspervised learning主要任務目標是發掘數據潛在有價值的結構,主要分為clustering,dimentionality reduction,feature learning, density estimation
Generative Model主要任務是給定一個數據集P(data),通過模型P(model)學習樣本的分布,可以通過模型生成近似原樣本分布的數據。主要屬於density estimation範疇。作用主要:
- 根據需求近似生成真實數據,想像空間非常大,這是一個富裕想像力與創造性的,比如生成馬賽克,美顏,生成畫作等,當然能生成的也是可以去掉的。
- 生成時間序列數據,可以用於強化學習
- 也可以用於feature learning等