生成モデル、識別モデル、識別関数の違い

2026年1月12日 2026年1月12日山崎講師

山崎講師

AIの世界へようこそ！

機械学習を学び始めると、「モデル」という言葉が何度も出てきますよね。

特にE資格でも重要なのが、データをどう扱うかというスタンスの違いである「生成モデル」「識別モデル」「識別関数」の3つです。

これらは、いわば「犯人探し」のアプローチの違いのようなものです。

今日は、この3つの違いをスッキリ整理していきましょう！

生成モデル、識別モデル、識別関数の違い

こんにちは。ゆうせいです。

新人エンジニアのみなさん、例えば「この写真は犬か猫か？」を判定するAIを作るとします。

このとき、AIに「犬とは何か、猫とは何か」を根本から教え込むのか、それとも「犬と猫の境界線」だけを教えるのか。

この戦略の違いが、モデルの種類を決めるんです。

それぞれの特徴を、直感的に理解できるように解説しますね。

1. 生成モデル（Generative Model）

「正解のデータがどうやって作られるか」まで学習する

生成モデルは、データ $x$ とラベル $y$ が同時に発生する確率 $p(x, y)$ を学習します。

簡単に言うと、「犬ならこんな見た目になるはずだ」というデータの成り立ち（背景）を完璧にマスターしようとするエリートタイプです。

特徴: データの分布を学習するため、新しいデータを「生成」することも可能です。
例え: 料理に例えると、レシピ（材料と手順）をすべて覚えるようなものです。レシピを知っていれば、自分で料理を作ることもできますし、出された料理がどのレシピで作られたかも当てられますよね。
代表例: ナイーブベイズ、隠れマルコフモデル、GAN（敵対的生成ネットワーク）

2. 識別モデル（Discriminative Model）

「データが与えられたとき、どのクラスに近いか」を直接考える

識別モデルは、あるデータ $x$ が与えられたときに、それがラベル $y$ である確率 $p(y | x)$ を直接学習します。

「なぜそうなるか」という背景よりも、「今目の前にあるデータが、どのクラスに属する確率が高いか」という結果を重視する実利的なタイプです。

特徴: 生成モデルよりも境界線を引くのが得意で、一般的に分類精度が高くなりやすいです。
例え: 料理のレシピは知らないけれど、味見をして「これは 80% の確率でカレーだ！」と判定するようなものです。
代表例: ロジスティック回帰、条件付き確率場（CRF）

3. 識別関数（Discriminant Function）

「確率なんて関係ない！境界線はここだ！」とズバッと決める

識別関数は、確率（パーセント）を計算しません。

入力データ $x$ を入れると、直接「クラスAだ！」という答えを出力する関数 $f(x)$ を学習します。

特徴: 「何％の確率で正解か」という曖昧さを排除し、とにかく境界線を引くことだけに特化しています。
例え: 料理を一口食べて、一切悩まずに「これはカレー！」と断定する、頑固な職人のようなイメージです。
代表例: サポートベクターマシン（SVM）、パーセプトロン

メリットとデメリットの比較

それぞれのモデルには、得意・不得意があります。

分類	メリット	デメリット
生成モデル	未知のデータを生成できる。データが少なくても学習が進みやすい。	学習が複雑になりやすく、分類精度が識別モデルに劣ることがある。
識別モデル	分類精度が高い。データが大量にある場合に非常に強力。	データの背景（生成プロセス）については何も教えてくれない。
識別関数	計算がシンプルで、境界線を引くことに特化している。	出力の信頼度（どれくらい自信があるか）が数値として得られない。

違いを整理する質問

みなさんに質問です。

「偽造硬貨を見抜くAI」を作るとき、どちらのアプローチが安心でしょうか？

本物の硬貨の模様や重さのルール（生成プロセス）を完璧に覚えさせる
本物と偽物の「違い」だけを徹底的に覚えさせる

実は、どちらも正解です。

しかし、本物の硬貨を新しく作りたいなら「1」の生成モデルが必要になりますし、とにかく偽物を弾く精度を上げたいなら「2」の識別モデルが向いています。

このように、目的によって使い分けるのがエンジニアの腕の見せ所です！

今後の学習の指針

この3つの違いがわかったら、次のステップとしてこれらを詳しく学んでみてください。

ベイズの定理の再確認: 生成モデルがどうやって「逆向きの確率」を計算しているか、数式で追ってみる。
ソフトマックス関数: 識別モデルがどうやって「合計 100% 」の確率を出力しているか調べる。
SVMのカーネル法: 識別関数が、複雑な境界線をどうやってシンプルに引いているか（ワープの魔法）を学ぶ。

この分類の概念は、E資格の試験でも「この手法はどのモデルに分類されるか」という形でよく問われます。

まずは「背景を知るエリート（生成）」「確率で選ぶ実利派（識別）」「ズバッと決める職人（関数）」というイメージを定着させてくださいね。

セイ・コンサルティング・グループの新人エンジニア研修のメニューへのリンク

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。

生成モデル、識別モデル、識別関数の違い

生成モデル、識別モデル、識別関数の違い

1. 生成モデル（Generative Model）

2. 識別モデル（Discriminative Model）

3. 識別関数（Discriminant Function）

メリットとデメリットの比較

違いを整理する質問

今後の学習の指針

セイ・コンサルティング・グループの新人エンジニア研修のメニューへのリンク

投稿者プロフィール

最新の投稿

AIが賢くなる秘密の数式？ベイズの定理で「データから正解」を導き出す方法New!!