我对这些的直觉是，生成模型是“从抽象到具体”，而判别模型是“从具体到抽象”。

例如：检测一张照片是否有猫是关于从照片，即具体到猫的抽象概念。鉴于猫的一些抽象属性生成猫的照片是从抽象到具体的。

在二进制分类的情况下，另一种查看这些模型之间差异的方法，例如在 A 类和 B 类之间：

将训练一个生成模型来对 A 类的属性进行建模，并训练另一个生成模型来对 B 类的属性进行建模。如果我们想知道一个新样本是属于 A 类还是 B 类，我们会将其与每个模型进行比较并决定。优点是我们能够使用模型的生成属性综合生成更多这些类的样本。这些模型对类是什么具有“全局知识”。

另一方面，判别模型将“注意”区分这两个类别的原因。它更直接，并且通常计算成本更低，因为模型不需要掌握每个类的所有内容，而只需要掌握它们的不同之处。

这是为了大局。我发现本课程幻灯片非常有助于更详细地理解这些概念（尤其是第一张没有方程式的幻灯片）：http ://www.cedar.buffalo.edu/~srihari/CSE574/Discriminative-Generative.pdf