引入
如果我们要训练一个关于猫狗分类的模型，下面展示两者的不同：
对于生成式模型，需要学习猫长什么样，狗长什么样，每个类都需要学习，有了两者的长相以后，再根据长相去区分。
对于判别式模型，只需要学习二者差异即可，只需要学习一个决策函数，比如说猫的体型会比狗小一点。
详解和区别
生成式模型：
由数据学习联合概率分布P(X,Y)，然后由P(Y/X) = P(X,Y)/P(X)求出概率分布P(Y/X)作为预测的模型。该方法表示了给定输入X与产生输出Y的生成关系。表示各个类别内部结构或特征分布 p （x |c），其中c是类别。
判别式模型：
由数据直接学习决策函数Y = f(X)或条件概率分布P(Y/X)作为预测模型，即判别模型。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。表示不同类别之间（类间）的区别，一般为判别函数 、边界函数或后验概率 P( c| x），其中c是类别。
方法分类
参考文章：
深度学习_GAN_生成模型和判别模型的区别