Preguntas etiquetadas con generative-models

Sé que generativo significa "basado en " y discriminativo significa "basado en ", pero estoy confundido en varios puntos:P(x,y)P(x,y)P(x,y)P(y|x)P(y|x)P(y|x) Wikipedia (+ muchos otros éxitos en la web) clasifican cosas como SVM y árboles de decisión como discriminatorias. Pero estos ni siquiera tienen interpretaciones probabilísticas. ¿Qué significa discriminativo aquí? ¿Discriminativo acaba …

154 machine-learning  generative-models 

¿Cómo funciona el truco de reparameterization para autoencoders variacionales (VAE)? ¿Existe una explicación intuitiva y fácil sin simplificar las matemáticas subyacentes? ¿Y por qué necesitamos el 'truco'?

57 mathematical-statistics  autoencoders  variational-bayes  generative-models 

Antecedentes: gran parte de la investigación moderna en los últimos ~ 4 años (post alexnet ) parece haberse alejado del uso de preentrenamiento generativo para redes neuronales para lograr resultados de clasificación de vanguardia. Por ejemplo, los mejores resultados para mnist aquí incluyen solo 2 artículos de los 50 principales …

16 references  deep-learning  rbm  generative-models 

¿Puede alguien referirme a una buena referencia que explique la conexión entre las estadísticas bayesianas y las técnicas de modelado generativo? ¿Por qué solemos utilizar modelos generativos con técnicas bayesianas? ¿Por qué es especialmente atractivo utilizar estadísticas bayesianas en ausencia de datos completos, si es que lo hace? Tenga en …

15 bayesian  generative-models 

Los modelos de análisis discriminante gaussiano aprenden y luego aplican la regla de Bayes para evaluar P ( y | x ) = P ( x | y ) P p r i o r ( y )PAG( x | y)PAG(XEl |y)P(x|y)Por lo tanto, son modelos generativos. ¿Por qué entonces …

13 normal-distribution  discriminant-analysis  generative-models 

Recientemente me he dado cuenta de los métodos 'libres de probabilidades' que se usan en la literatura. Sin embargo, no tengo claro qué significa que un método de inferencia u optimización esté libre de probabilidades . En el aprendizaje automático, el objetivo suele ser maximizar la probabilidad de que algunos …

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

Durante un tiempo, parecía que Fisher Kernels podría volverse popular, ya que parecían ser una forma de construir núcleos a partir de modelos probabilísticos. Sin embargo, rara vez los he visto utilizados en la práctica, y tengo la buena autoridad de que tienden a no funcionar muy bien. Se basan …

10 machine-learning  probability  kernel-trick  generative-models 

¿Cómo interpreta una curva de supervivencia del modelo de riesgo proporcional de Cox? En este ejemplo de juguete, supongamos que tenemos un modelo de riesgo proporcional de Cox ageen kidneydatos variables y generamos la curva de supervivencia. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Por ejemplo, en el …

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