باختصار
النموذج التمييزي (Discriminative Model) هو نموذج بيتنبّأ بالتسميات انطلاقًا من مجموعة سمة أو أكثر.
بالتفصيل
بصياغة أدقّ، النماذج التمييزية بتحدّد الاحتمال الشرطي (Conditional Probability) للمخرَج، معطاةً السمات والأوزان: p(output | features, weights).
مثال بسيط: نموذج بيتنبّأ هل رسالة بريد مزعجة أم لا، انطلاقًا من سماتها وأوزانها — ده نموذج تمييزي.
والغالبية الساحقة من نماذج التعلّم المُشرَف — بما فيها نماذج التصنيف والانحدار — هي نماذج تمييزية.
وده يقابل النموذج التوليدي (Generative Model)، اللي بدل ما يتعلّم الحدّ الفاصل بين الفئات، بيتعلّم كيفية توليد بيانات جديدة تشبه التوزيع الأصلي.
الفرق العملي بينهما: النموذج التمييزي بيجاوب على سؤال «إيه التصنيف الأرجح لهذا المدخَل؟» مباشرةً. النموذج التوليدي بيتعلّم بنية البيانات كاملةً، وممكن يستخدمها في التصنيف أو في توليد أمثلة جديدة تمامًا. ولذلك نماذج زي مولّدات الصور والنصوص التوليدية هي نماذج توليدية، بينما مصنّفات البريد المزعج والتنبّؤ بتخلّف السداد نماذج تمييزية.
مثال عملي
نموذج يفحص صورة ويقول «قطّة» أو «كلب» — ده تمييزي، بيتعلّم الحدّ الفاصل بين الفئتين.
نموذج يستقبل وصفًا نصّيًا ويولّد صورة قطّة جديدة من الصفر — ده توليدي، بيتعلّم كيف تبدو القطط بشكل عامّ لدرجة إنه يقدر يخترع واحدة.
مصطلحات مرتبطة
- Generative Model — النموذج التوليدي.
- Binary Classification — التصنيف الثنائي.
- Supervised Learning — التعلّم المُشرَف.
المصادر: Google ML Glossary
