Statistiques et Big Data generative-models

2

Je sais que générative signifie "basé sur P(x,y)P(x,y)P(x,y) " et discriminatif signifie "basé sur P(y|x)P(y|x)P(y|x) ", mais je suis confus sur plusieurs points: Wikipedia (+ de nombreux autres hits sur le Web) classifie des éléments tels que les SVM et les arbres de décision comme discriminants. Mais ceux-ci n'ont même …

154 machine-learning generative-models

7

Comment fonctionne l'astuce de reparamétrage pour les VAE et pourquoi est-ce important?

Comment fonctionne l' astuce de reparamétrage pour les autoencodeurs variationnels (VAE)? Existe-t-il une explication simple et intuitive sans simplifier les calculs sous-jacents? Et pourquoi avons-nous besoin du "truc"?

57 mathematical-statistics autoencoders variational-bayes generative-models

2

Cas d'utilisation modernes de machines Boltzmann restreintes (RBM)?

Contexte: Une grande partie de la recherche moderne au cours des 4 dernières années (post alexnet ) semble s'être éloignée de l'utilisation de la formation préalable générative pour les réseaux de neurones afin d'obtenir des résultats de classification de pointe. Par exemple, les meilleurs résultats pour mnist ici incluent seulement …

16 references deep-learning rbm generative-models

2

Le lien entre les statistiques bayésiennes et la modélisation générative

Quelqu'un peut-il me renvoyer à une bonne référence qui explique le lien entre les statistiques bayésiennes et les techniques de modélisation générative? Pourquoi utilisons-nous habituellement des modèles génératifs avec des techniques bayésiennes? Pourquoi est-il particulièrement intéressant d'utiliser les statistiques bayésiennes en l'absence de données complètes, voire pas du tout? Notez …

15 bayesian generative-models

2

Pourquoi les modèles d'analyse «discriminants» gaussiens sont-ils appelés ainsi?

Les modèles d'analyse discriminants gaussiens apprennent puis appliquent la règle de Bayes pour évaluer P ( y | x ) = P ( x | y ) P p r i o r ( y )P( x | y)P(X|y)P(x|y)Ce sont donc des modèles génératifs. Pourquoi alors cela s'appelle-t-il analyse discriminante? …

13 normal-distribution discriminant-analysis generative-models

4

Inférence sans vraisemblance - qu'est-ce que cela signifie?

Récemment, j'ai pris conscience des méthodes «sans vraisemblance» utilisées dans la littérature. Cependant, je ne sais pas exactement ce que signifie qu'une méthode d'inférence ou d'optimisation est sans vraisemblance . Dans l'apprentissage automatique, l'objectif est généralement de maximiser la probabilité que certains paramètres correspondent à une fonction, par exemple les …

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

1

Au-delà des grains de Fisher

Pendant un certain temps, il semblait que Fisher Kernels pourrait devenir populaire, car ils semblaient être un moyen de construire des noyaux à partir de modèles probabilistes. Cependant, je les ai rarement vu utilisés dans la pratique, et j'ai la bonne foi qu'ils ont tendance à ne pas fonctionner très …

10 machine-learning probability kernel-trick generative-models

4

Comment interpréter une courbe de survie du modèle de risque de Cox?

Comment interprétez-vous une courbe de survie à partir du modèle de risque proportionnel cox? Dans cet exemple de jouet, supposons que nous ayons un modèle de risque proportionnel cox sur agevariable dans les kidneydonnées et générons la courbe de survie. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Par …

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

Questions marquées «generative-models»