监督学习方法可以分为生成方法和判别方法，所学习得到的模型分别为生成模型和判别模型。
生成模型定义
生成方法由数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型：
典型的生成模型有朴素贝叶斯，隐马尔可夫模型
生成模型为什么叫生成模型？
因为模型表示了给定输入X和产生输出Y的生成关系，即联合概率分布P(X,Y)，拥有一组生成新数据的能力。
判别模型定义
判别方法由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测的模型。
典型的判别模型有KNN，决策树，感知机，逻辑回归，最大熵，支持向量机，条件随机场
生成模型可以判别，判别模型不能生成数据。
生成模型 VS 判别模型优缺点
- 生成模型可以还原出联合概率分布，而判别模型不能。
- 生成模型收敛速度更快。
- 当存在隐变量时，可以使用生成模型，不能使用判别模型。
- 生成模型在做预测的时候准确率往往较低。
通俗理解
假设在一个大学里，有男有女，并且不同性别的人都有自己的穿衣打扮的风格。
■ 当有一个【长头发，穿短裙】的人过来的时候，生成模型和判别模型都可以对这个人的性别进行预测，并且大概率这两个模型都会将这个人预测为【女性】。这就说明了生成模型和判别模型都可以做判别（预测）。
但是预测方法不一样。
生成模型分别根据男性和女性特征学习男性模型和女性模型，然后通过提取这个人的特征，放到男性/女性模型中，将概率最大的模型类别作为其类别。
判别模型从历史数据中学习得到模型，然后通过提取这个人的特征，预测出这个人是男性/女性的概率。
■ 假设每一个人都是一个数据，如果想按照大学原本的分布增加一些学生的时候，生成模型可以做到，因为他深谙该大学里男女比例以及他们穿衣打扮的信息；而判别模型做不到。这就说明了生成模型掌握着整体数据的分布。
参考资料
机器学习面试题001：生成模型与判别模型 https://www.cnblogs.com/itmorn/p/13199148.html
机器学习“判定模型”和“生成模型”有什么区别？ - politer的回答 - 知https://www.zhihu.com/question/20446337/answer/256466823