Топ питань
Часова шкала
Чат
Перспективи
Породжувальна модель
З Вікіпедії, вільної енциклопедії
Remove ads
В теорії ймовірностей та статистиці поро́джувальна моде́ль[1][2][3] (англ. generative model) — це модель для породження випадковим чином значень спостережуваних даних, зазвичай для певних заданих прихованих параметрів. Вона визначає спільний розподіл ймовірності над послідовностями спостережень та міток. Породжувальні моделі застосовуються в машинному навчанні або для безпосереднього моделювання даних (тобто для моделювання спостережень, випадково витягнутих з функції густини ймовірності), або як проміжний крок для формування умовної функції густини ймовірності. Умовний розподіл може бути сформовано з породжувальної моделі через правило Баєса.
 | Ця стаття надає недостатньо контекстної інформації для не обізнаних із її предметом. (січень 2016) |
Шеннон (1948) наводить приклад, у якому таблиця частот пар англійських слів застосовується для породження речення, яке починається з «representing and speedily is an good»; що не є правильною англійською, але все більше й більше наближуватиме її з просуванням таблиці від пар слів до триплетів, і так далі.
Породжувальні моделі контрастують із розрізнювальними в тому, що породжувальна модель є повною ймовірнісною моделлю всіх змінних, тоді як розрізнювальна забезпечує модель лише для цільової змінної (змінних) залежно від спостережуваних. Таким чином, породжувальна модель може застосовуватися, наприклад, для імітації (тобто, породження) значень будь-якої змінної в моделі, тоді як розрізнювальна модель дозволяє лише вибірку цільових змінних залежно від спостережуваних величин. Попри те, що розрізнювальні моделі не потребують моделювання розподілу спостережуваних змінних, вони не можуть в загальному випадку виражати складніші відношення між спостережуваними та цільовими змінними. Вони не обов'язково працюють краще за породжувальні моделі в задачах класифікації та регресії. В сучасних застосуваннях ці два класи розглядаються як взаємодоповнювальні, або як різні погляди на одну й ту саму процедуру[4].
Remove ads
Типи породжувальних моделей
Типи породжувальних моделей включають:
- Ґаусову сумішеву модель[en] та інші типи сумішевих моделей[en]
- Приховану марковську модель
- Ймовірнісну контекстно-вільну граматику[en]
- Наївний баєсів класифікатор
- Усереднені однозалежні оцінювачі[en]
- Латентне розміщення Діріхле[en]
- Обмежену машину Больцмана
- Варіаційний автокодувальник
- Породжувальна змагальна мережа
Якщо спостережувані дані вибираються з породжувальної моделі істинно, то поширеним методом є узгодження параметрів породжувальної моделі для максимізації правдоподібності даних. Проте, оскільки більшість статистичних моделей є лише наближеннями істинного розподілу, якщо призначенням моделі є здійснення висновків про підмножину змінних залежно від відомих значень інших змінних, то може бути показано, що це наближення робить більше припущень, ніж є необхідним для розв'язання наявної задачі. В таких випадках може бути точнішим моделювати функції умовної густини безпосередньо, із застосуванням розрізнювальної моделі (див. вище), хоча в результаті диктувати, який підхід є найбільш підхожим в кожному конкретному випадку, будуть специфічні особливості застосування.
Remove ads
Див. також
Примітки
Джерела
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads