머신 러닝 커뮤니티 학대는 "조건부"와 "매개 변수"에 있습니까?

가 의존 한다고 가정 . 엄밀히 말하면 $X$ $\alpha$

기계 학습 커뮤니티가 차이점을 무시하고 용어를 남용하는 것으로 여러 번 나타났습니다 .

예를 들어 유명한 LDA 모델에서 는 임의 변수 대신 Dirichlet 매개 변수입니다. $\alpha$

여기에 이미지 설명을 입력하십시오

가 아니어야합니까 ? 나는 LDA 용지의 원래 저자를 포함하여 사람들을 많이 볼로 쓰기 . $p(\theta;\alpha)$ $p(\theta\mid\alpha)$

machine-learning terminology

— Sibbs 도박
소스

수학적으로 말하면, 임의 변수의 제한적인 경우이기 때문에 항상 상수를 조정할 수 있습니다. 베이지안 관점에서 모든 미지수는 임의의 변수로 취급되므로 컨디셔닝 표기법을 사용하는 것이 좋습니다.

— 시안

@ Xi'an 나는 "상수 조절"에 대한 당신의 요점을 이해합니다. 그러나 매개 변수

의 범주 분포 , 즉

에서

를 도출한다고 상상해보십시오 . 나뿐만 분포 쓸 수

? 하나는 항상 고정 된

설정할 수 있기 때문에 이상하게 보입니다 .

가 더 편안해 보입니다.

X

$X$

θ

$\theta$

X \sim C a t (θ)

$X\sim Cat(\theta)$

p (X ∣ θ)

$p(X\mid\theta)$

θ

$\theta$

p (X; θ)

$p(X;\theta)$

— Sibbs Gambling

이 특별한 경우에

를 쓰는

문제가 없습니다 . 조건부 표기법을 사용하면 알 수없는 모든 모수에 대한 사전 분포를 도입 할 수 있습니다.

p (X ∣ θ)

$p(X\mid\theta)$

— 시안

나는 이것이 머신 러닝 대 통계보다 베이지안 / 비 베이지 통계에 관한 것이라고 생각한다.

$X,\alpha$ $p(X \mid \alpha)$ $X$ $\alpha$ $\alpha$ $\alpha$ $p(X; \alpha)$ $p(X \mid \alpha)$ $p(\alpha)$ $\alpha$ $\alpha$ $\alpha$

$p(X ; \alpha)$ $p(X \mid \alpha)$ $p$ $\mid$

— 유호 코 칼라
소스