Использовать генеративную или дискриминационную модель для классификации?
Новичок в машинном обучении здесь! Так же, как получить представление о том, как я должен подходить к проблеме классификации. Учитывая, что под рукой стоит задача классифицировать, принадлежит ли объект к классу A или классу B, мне интересно, следует ли мне использовать порождающую или дискриминационную модель. У меня есть 2 вопроса.
- Дискриминирующая модель, кажется, лучше справляется с задачами классификации, потому что она просто связана с тем, как нарисована граница решения, и ничего больше.
В: Однако, с небольшим набором данных из приблизительно 80 объектов класса A и менее чем 10 объектов класса B для обучения и тестирования, будет ли дискриминационная модель соответствовать и, следовательно, генерирующая модель будет работать лучше?
- Кроме того, с очень большой разницей в количестве объектов класса A и объектов класса B обучаемая модель, вероятно, сможет воспринимать только объекты класса A. Даже если модель классифицирует все объекты как класс A, это все равно приведет к очень высокой оценке точности.
Вопрос: Есть ли идеи о том, как уменьшить эту предвзятость, учитывая, что нет другого способа увеличить размер набора данных класса B?