这是个判别模型，判别模型的输入是作为变量的苹果，输出是“可食用”或“不可食用”。输出是包含“可使用”或“不可食用”这两个元素的变量。“可食用”是实际输出结果
判别模型的输入是任意现象，输出是属于此概念或非此概念。例如苏格拉底是哲学家，这是一个关于“是否属于哲学家”的判别模型，输入苏格拉底，输出是属于哲学家，如果输入是伽利略，输出是“不属于哲学家”。
我是觉得这里的意思是”苹果”到”是否可食用”的映射关系. “而”可食用的”应该是输出空间”是否可食用”的一个常量吧.
这句话”苹果是可食用的”, 如果这整个推测是”苹果–是否可食用”的映射关系的话, 那么”苹果是可食用的”中的”苹果”是变量, “可食用的”是常量. 所以如果整个推测是”苹果–是否可食用”的话, 那么这句话我觉得既不是映射关系也不是对应关系, 而是一种对于多个对应关系打包起来的简略写法. 意思是”所有苹果都是可食用的”. 也就是”对于输入空间的每一个具体苹果, 都能对应到输出空间的’可食用的’”.
其实我最开始也像你一样有这个疑问，但是我后来复习了五组概念这一刻就明白了。这个”苹果”到”是否可食用”这个例子中的判别模型是哪里来的？是从所有“可食用的现象”抽象得到的内涵，再依据内涵建立的判别模型。有了判别模型，我们可以把所有现象分成两类，一类是“可食用”概念，一类是“不可食用”概念。你的输入是“苹果”变量，输出就是“可食用”概念。如果你的输入是“轮胎”变量，输出就是“不可食用”概念。这个判别模型的输出空间是“可食用”概念和“不可食用”概念，输入是所有现象。
你可以看一下五组概念那一课，那一课里的判别模型和信息推测的判别模型其实是一个东西，只是信息推测这一课多了输出空间输入空间几个术语罢了。
”苹果–是否可食用”这里, 视为一个联结模型是否可以呢? 我觉得好像也可以. “苹果”可以视为输入概念作为输入上层, 而下层是具体苹果. 而”是否可食用”视为输出概念作为输出上层, 下层是”可食用””不可食用”. 这个映射关系是: “所有苹果都是可食用的”.
而你说的, 如果把它理解成判别模型, 似乎也行. 在这里苹果是下层, “可食用的物”是上层. 苹果属于可食用的物.
两种好像都可以.
你怎么理解那张图片里的”酒精浓度–是否饮酒”为什么不是判别模型而是联结模型?
而且这个”苹果–是否可食用”是不是能同时看作判别模型和联结模型, 我也不确定. 因为我没理解于博说的那个”从属关系”到底是什么意思.
我觉得这个“苹果-是否是可食用”是一个判别模型，他不能是联结模型。我不知道有没有例外，但你可以尝试这样一种检验方法，如果一个预测的输出只有两种情况，一种是“是此概念”，一种是“不是此概念”，那他就是判别模型。“苹果-是否是可食用”这个预测的输出只有两种情况，一种是“是可食用”，一种是“不是可食用”。联结模型的输出不同。例如“除非有外力改变其运动状态每个物体将保持静止或匀速直线运动”，这个定律的输入是“没有外力改变其运动状态的物体”，输出是“静止”或“匀速直线运动”。如果他是判别模型，应该输出“静止”或“非静止”。
不过诚实地说我把“苹果可食用”和“血液酒精浓度到是否饮酒”两个输入了知识分析。知识分析说既可以是判别模型，也可是联结模型。但我感觉不行，你自己决定吧。
在我看来从属于指的是“是某个概念的现象”。输入空间和概念这个词的词义是等价的。
我最开始的回复有一张图片, 目的就是说明不能从输出是否为”是/否”来判断到底是判别模型和联结模型. 因为你其实也可以写成”饮酒, 非饮酒”. 我觉得从这个是看不出来的.
这句话当然是对的. 但我觉得这不是问题的关键. 问题的关键在于”我们怎么从事前知道这到底应该是判别模型还是联结模型”.
我的意思就是, 现在的问题是”我们怎么确定到底是联结模型还是判别模型”.
而你这句话, 是说如果我们打算看作”a是b的现象”, 我们其实是决定以判别模型的视角去看待这个推测. 这当然是对的.
但是没有解决问题. 因为这句话是我们已经决定以判别模型的视角看待问题时才会有的. 但是现在的问题就是”在这之前, 我到底应该把这个推测视为判别模型还是联结模型”? 我不知道表没表达明白.
或者这样说. 就是我们把这个问题看作一个两步流程. 第一步是”判断到底是判别模型还是联结模型”. 第二步是”决定好以判别模型/联结模型的视角看待这个推测了之后, 这意味着什么”. 你说的其实是第一步你已经决定以判别模型视角看待问题了之后的第二步, 即”我们决定以判别模型视角看待问题的时候, 意思是把它看作是一个从属关系, 即现象和概念的关系”. 但是”我们怎么确定到底是联结模型还是判别模型”是一个第一步的问题. 一个已经确定了第一步的”第二步怎么看”的解释并不能解决第一步的问题, 因为第一步是在这之前的.
酒精浓度–是否饮酒是联结模型，是用当下推测过去。喝酒是已经发生过的事情，测酒精浓度多少是正在发生的事。想想交警是怎么查酒驾的吧
酒精浓度–是否饮酒 是判别模型对你没有意义，假设你已经看见一个人喝酒了，还有必要检测酒精浓度么。
只要是模型都是用来预测的，不能说在预测就是联结模型，和有没有用也没有关联。
有时候容易陷入语言陷阱里，当把酒驾的输入输出说全后，就是从[所有人]中区分出[醉酒的人,未醉酒的人]，即[人的酒精浓度]和[醉酒的人,非醉酒的人]的判断，这种从一个大圈中找小圈（是A和非A）的模型其实就是判别模型。
判别模型是在一个大圈里找小圈，而联结模型则是两个不相交的圈的关系。
那根据 “饮酒种类、饮酒时长、体重” 预测 “血液酒精浓度”，是联结模型了吧
这样确实就是联结模型了
我们讨论的不是这个”酒精浓度–是否饮酒”的单独例子, 而是要以此讨论到底判别模型和联结模型的”从属于”是什么意思, 以及何时判断该视为判别模型, 联结模型等问题. 这个具体的酒精例子特有的一些性质并不是重点.
可以看作是探究「苹果」和「是否可食用」的关系的探究结果。就像探究「人」和「是否永生」的关系的结果是「人」是「非永生」。
任意一个具体的苹果→可食用的
任何一个具体的人→非永生
关于这个我现在有了一些新的想法，我觉得“所有苹果都是可食用的”属于联结模型，“可食用”这个概念的下层是蔬菜水果或肉类，上层是“可食用”和“不可食用”，这个联结模型的输入是所有苹果，输出是可食用这个概念的上层“可食用”