模型选型
1.dataset大小的解读，除了可以从数据量少，选择机器学习，迁移学习，数据量大选深度学习以外；
2. 还可以从文件完整性的角度去解读： 有缺失文件时，可以用 生成式模型（BN,MN,MC,HMM），部分判别式模型需要完整数据
3. 判别式模型的优点：训练数据需求较少，有更低的error
4. dataset小的时候，generative model 很快到达渐进error，而且表现比判别式模型好；
dataset大的时候，判别式模型的渐进error更低，表现更好
1.dataset大小的解读，除了可以从数据量少，选择机器学习，迁移学习，数据量大选深度学习以外；
2. 还可以从文件完整性的角度去解读： 有缺失文件时，可以用 生成式模型（BN,MN,MC,HMM），部分判别式模型需要完整数据
3. 判别式模型的优点：训练数据需求较少，有更低的error
4. dataset小的时候，generative model 很快到达渐进error，而且表现比判别式模型好；
dataset大的时候，判别式模型的渐进error更低，表现更好
