¿Cuándo se deben usar modelos generativos y no modelos discriminativos?

Usas modelos generativos a menudo cuando tienes la noción de que los datos subyacentes se generan a partir de una distribución subyacente y tu trabajo es encontrar los parámetros ocultos de esa distribución. Por ejemplo, si está utilizando bayes ingenuos para la clasificación de texto, está asumiendo una distribución de probabilidad subyacente de palabras en el corpus y está estimando los parámetros de esa distribución para fines de clasificación. En modelos discriminativos, está separando las instancias en dos lados de una línea / plano. Básicamente, está encontrando la mejor separación entre las instancias que caen en diferentes clases. Por lo tanto, cuanto más sea cierto el supuesto de que existe una hipótesis generativa subyacente en los datos observados, mejor será el rendimiento del modelo generativo. En mi experiencia, si puede combinar un modelo generativo con un modelo discriminatorio que ofrezca un mejor rendimiento de clasificación. Otra razón por la que desea utilizar un modelo generativo es hacer una estimación de parámetros latentes, como lo haría en LDA.