ชุมชนการเรียนรู้ของเครื่องใช้กำลัง“ ละเมิดเงื่อนไข” และ“ ถูก จำกัด โดย” หรือไม่?

13

กล่าวว่าจะขึ้นอยู่กับαพูดอย่างจริงจัง $X$ $\alpha$

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

ฉันสังเกตเห็นหลายครั้งว่าชุมชนการเรียนรู้ของเครื่องดูเหมือนจะเพิกเฉยต่อความแตกต่างและใช้ข้อกำหนดในทางที่ผิด

ตัวอย่างเช่นในโมเดล LDA ที่มีชื่อเสียงโดยที่คือพารามิเตอร์ Dirichlet แทนที่จะเป็นตัวแปรสุ่ม $\alpha$

ป้อนคำอธิบายรูปภาพที่นี่

ไม่ควรจะเป็น ? ฉันเห็นผู้คนจำนวนมากรวมทั้งเขียนต้นฉบับกระดาษ LDA ที่เขียนเป็น ) $p(\theta;\alpha)$ $p(\theta\mid\alpha)$

machine-learning terminology

— การพนัน Sibbs
แหล่งที่มา

6

การพูดทางคณิตศาสตร์คุณสามารถกำหนดเงื่อนไขให้คงที่ได้ตลอดเวลาเนื่องจากเป็นกรณี จำกัด ของตัวแปรสุ่ม จากมุมมองแบบเบย์นิรนามทั้งหมดจะถือว่าเป็นตัวแปรสุ่มดังนั้นจึงเหมาะสมที่จะใช้สัญกรณ์ปรับอากาศทั่ว

— ซีอาน

1

@ ซีอานฉันเข้าใจประเด็นของคุณในเรื่อง "การปรับสภาพให้คงที่" แต่คิดผมวาด

จากการกระจายเด็ดขาดของพารามิเตอร์

คือ

)

ฉันสามารถเขียนการแจกแจงแบบ

ไหม? ที่มีลักษณะแปลก ๆ กับผมตั้งแต่หนึ่งสามารถตั้งค่าคงที่เสมอθ

ดูสบาย ๆ สำหรับฉัน

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)

$p(X;\theta)$

— การพนัน Sibbs

4

p (X ∣ θ)

$p(X\mid\theta)$

คำตอบ:

14

ฉันคิดว่านี่เป็นข้อมูลเกี่ยวกับสถิติแบบเบย์ / ไม่ใช่แบบเบย์มากกว่าสถิติการเรียนรู้ของเครื่อง

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

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

— Juho Kokkala
แหล่งที่มา

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว

Licensed under cc by-sa 3.0 with attribution required.