从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。两者的优缺点如下图

设置输出的图片大小：figsize = 11,9figure, ax = plt.subplots(figsize=figsize)画简单的折线图，同时标注线的形状、名称、粗细：A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0,ms=10)其中线条样式以及颜色设置可参考：https://blog....