วิธีการอนุมาน MaxEnt และ Bayesian สอดคล้องกับวิธีต่างๆในการรวมข้อมูลเข้ากับกระบวนการสร้างแบบจำลองของคุณ ทั้งสองสามารถวางบนพื้นดินซึ่งเป็นจริง ( "สัจพจน์ของสูงสุดเอนโทรปี"ของจอห์นสกิลลิ่งและ"พีชคณิตแห่งการอนุมานของความน่าจะเป็นของคอคส์" )
วิธีการแบบเบย์ตรงไปตรงมาเพื่อนำไปใช้หากความรู้ก่อนหน้าของคุณมาในรูปแบบของฟังก์ชั่นมูลค่าที่วัดได้จริงเหนือพื้นที่สมมุติฐานของคุณหรือที่เรียกว่า "ก่อนหน้า" MaxEnt ตรงไปตรงมาเมื่อข้อมูลมาเป็นชุดของข้อ จำกัด ที่ยากในพื้นที่สมมติฐานของคุณ ในชีวิตจริงความรู้ไม่ได้อยู่ในรูปแบบ "ก่อน" หรือใน "ข้อ จำกัด " ดังนั้นความสำเร็จของวิธีการของคุณขึ้นอยู่กับความสามารถในการแสดงความรู้ของคุณในรูปแบบที่สอดคล้องกัน
ในปัญหาของเล่นค่าเฉลี่ยแบบจำลองแบบเบย์จะให้ค่าเฉลี่ยการสูญเสียบันทึกต่ำสุด (เฉลี่ยมากกว่าแบบจำลองจำนวนมาก) เมื่อก่อนตรงกับการกระจายตัวของสมมติฐานที่แท้จริง วิธี MaxEnt จะให้การสูญเสียบันทึกต่ำสุดกรณีที่แย่ที่สุดเมื่อข้อ จำกัด ของมันพอใจ
ETJaynes ถือเป็นพ่อของวิธีการ "MaxEnt" ก็ขึ้นอยู่กับวิธีการแบบเบย์ ในหน้า 1412ของหนังสือของเขาเขาให้ตัวอย่างที่วิธีการแบบเบย์ส่งผลให้เกิดการแก้ปัญหาที่ดีตามด้วยตัวอย่างที่วิธีการของ MaxEnt นั้นเป็นธรรมชาติมากกว่า
ความเป็นไปได้สูงสุดโดยพื้นฐานแล้วตัวแบบจะอยู่ในพื้นที่ที่กำหนดไว้ล่วงหน้าและพยายามที่จะทำให้มันพอดี "ยากที่สุด" ในแง่ที่ว่ามันจะมีความไวสูงสุดต่อข้อมูลจากวิธีการเลือกแบบจำลองทั้งหมดที่ จำกัด เฉพาะรุ่นดังกล่าว ช่องว่าง ในขณะที่ MaxEnt และ Bayesian เป็นเฟรมเวิร์ก ML เป็นวิธีการสร้างแบบจำลองที่เป็นรูปธรรมและสำหรับตัวเลือกการออกแบบบางอย่าง ML สามารถสิ้นสุดวิธีที่ออกมาจากวิธี Bayesian หรือ MaxEnt ตัวอย่างเช่น MaxEnt ที่มีข้อ จำกัด ด้านความเท่าเทียมกันจะเท่ากับการปรับความเป็นไปได้สูงสุดของตระกูลชี้แจงบางอย่าง การประมาณการอนุมานแบบเบย์สามารถนำไปสู่วิธีแก้ปัญหาโอกาสสูงสุดปกติ หากคุณเลือกก่อนที่จะทำให้ข้อสรุปของคุณอ่อนไหวที่สุดกับข้อมูลผลลัพธ์ของการอนุมานแบบเบย์จะสอดคล้องกับการปรับความน่าจะเป็นสูงสุด ตัวอย่างเช่นพีผ่านการทดลองของ Bernoulli ก่อนหน้านี้จะเป็นการจำกัด การกระจายเบต้า (0,0)
เครื่องจักรในชีวิตจริงความสำเร็จในการเรียนรู้มักจะเป็นการผสมผสานของปรัชญาที่หลากหลาย ตัวอย่างเช่น "Random Fields" มาจากหลักการของ MaxEnt การใช้ความคิดที่เป็นที่นิยมมากที่สุดคือ CRF ที่ทำให้เป็นมาตรฐานเกี่ยวข้องกับการเพิ่ม "ก่อนหน้า" ในพารามิเตอร์ ดังนั้นวิธีนี้จึงไม่ใช่ MaxEnt หรือ Bayesian จริงๆ แต่ได้รับอิทธิพลจากทั้งโรงเรียนแห่งความคิด
ผมได้รวบรวมการเชื่อมโยงบางบนรากฐานของปรัชญาคชกรรมและ Maxent แนวทางที่นี่และที่นี่
หมายเหตุเกี่ยวกับคำศัพท์: บางครั้งคนเรียกวิธีการของพวกเขาแบบเบส์ถ้าใช้กฎเบย์ในบางจุด ในทำนองเดียวกัน "MaxEnt" บางครั้งใช้สำหรับวิธีการบางอย่างที่ช่วยแก้ปัญหาเอนโทรปีสูง สิ่งนี้ไม่เหมือนกับ "การอนุมาน MaxEnt" หรือ "การอนุมานแบบเบย์" ตามที่อธิบายไว้ข้างต้น