«generative-models» 태그된 질문

생성은 " 기반"을 의미하고 차별적 인 의미는 " 기반"을 의미 하지만 몇 가지 점에서 혼란스러워합니다.P ( y | x )피( x , y)P(x,y)P(x,y)피( y| x)P(y|x)P(y|x) Wikipedia (웹에서 발생하는 다른 많은 히트)는 SVM 및 의사 결정 트리와 같은 항목을 차별적 인 것으로 분류합니다. 그러나 이것들은 확률 론적 해석조차하지 않습니다. 여기서 차별적 …

153 machine-learning  generative-models 

VAE (variational autoencoders) 의 매개 변수화 트릭 은 어떻게 작동합니까? 기본 수학을 단순화하지 않고 직관적이고 쉬운 설명이 있습니까? 그리고 왜 '트릭'이 필요한가?

57 mathematical-statistics  autoencoders  variational-bayes  generative-models 

배경 : 지난 4 년 동안 ( alexnet 이후 ) 의 많은 현대 연구 는 최신 분류 결과를 달성하기 위해 신경망에 대해 생성 사전 훈련을 사용하지 않는 것으로 보입니다. 예를 들어, 여기 에서 mnist의 상위 결과 에는 상위 50 개의 논문 중 2 개만 RBM 인 생성 모델을 사용하는 것으로 …

16 references  deep-learning  rbm  generative-models 

누군가 베이지안 통계와 생성 모델링 기술 사이의 연관성을 설명하는 좋은 참고 자료를 알려줄 수 있습니까? 왜 베이 즈 기법과 함께 생성 모델을 사용 하는가? 완전한 데이터가없는 경우 베이지안 통계를 사용하는 것이 특히 매력적인 이유는 무엇입니까? 나는 기계 학습 중심의 관점에서 왔으며 통계 커뮤니티에서 그것에 대해 더 많이 읽고 싶습니다. 이러한 …

15 bayesian  generative-models 

가우시안 판별 분석 모델 알아 하고 평가하기 위해 베이 즈 룰을 적용 P ( Y | X ) = P ( X | Y ) P P R I O (R) ( 예를 )피( x | y)P(x|y)P(x|y)따라서 그것들은 생성적인 모델입니다. 그렇다면 왜 판별 분석이라고합니까? 클래스 간 판별 곡선을 도출하기 때문에 …

13 normal-distribution  discriminant-analysis  generative-models 

최근에 나는 문헌에서 '무우 행 (freelihood-free)'방법이 사용되는 것을 알고있다. 그러나 나는 그것이 될 추론 또는 최적화 방법에 대해 무엇을 의미하는지에 취소하고 있지 않다 가능성이없는 . 기계 학습에서 목표는 보통 신경망의 가중치와 같은 기능에 맞는 일부 매개 변수의 가능성을 최대화하는 것입니다. 그렇다면 가능성이없는 접근법 의 철학은 정확히 무엇이며 GAN과 같은 적대적인 …

11 machine-learning  deep-learning  maximum-likelihood  generative-models  abc 

한동안 피셔 커널은 확률 모델에서 커널을 구성하는 방법 인 것처럼 보였기 때문에 인기가있는 것처럼 보였습니다. 그러나 나는 그들이 실제로 사용되는 것을 거의 보지 못했고, 그들이 잘 작동하지 않는 좋은 권위를 가지고 있습니다. 그들은 Wikipedia를 인용 하여 Fisher 정보 의 계산에 의존합니다 . 피셔 정보는 f의 자연 로그의 θ에 대한 2 …

10 machine-learning  probability  kernel-trick  generative-models 

콕스 비례 위험 모델의 생존 곡선을 어떻게 해석합니까? 이 장난감 예 age에서 kidney데이터의 변수에 대한 cox 비례 위험 모델이 있고 생존 곡선을 생성 한다고 가정 합니다. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() 예를 들어, 시간 에 어떤 진술이 참입니까? 또는 둘 다 잘못 되었습니까?200200200 진술 1 : …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear