Порождающие модели — различия между версиями
(→Классификация задачи) |
|||
| Строка 5: | Строка 5: | ||
== Классификация задачи == | == Классификация задачи == | ||
| − | + | Можно использовать некоторые эмпирические правила для генерации новых объектов, не используя машинного обучения. | |
| + | |||
| + | Требуется чтобы новые объекты были правдоподобными в своей области. Новое изображение человека должно быть правдоподобным, как изображение, но также человек на нём должен быть правдоподобным как человек. | ||
| + | |||
| + | Мы хотим научиться создавать правдоподобный объект относительно некоторой скрытой структуры исходных объектов. Давайте изучим распределение по ним, а затем просто будем сэмплировать новый объект из этого распределения. Значит эта задача относится к классу задач [[Общие понятия#Обучение без учителя (англ. Unsupervised learning)|обучения без учителя]]. | ||
== Порождающие модели на основе нейронных сетей == | == Порождающие модели на основе нейронных сетей == | ||
Версия 09:49, 10 февраля 2020
Порождающие модели (англ. generative model) — это класс моделей совместного распределения вероятностей для генерации новых объектов на основе исходных данных.
Порождающая модель может генерировать новые фотографии животных, которые выглядят как настоящие животные, в то время как дискриминативная модель (англ. discriminative model)[1] может отличить собаку от кошки.
Содержание
Классификация задачи
Можно использовать некоторые эмпирические правила для генерации новых объектов, не используя машинного обучения.
Требуется чтобы новые объекты были правдоподобными в своей области. Новое изображение человека должно быть правдоподобным, как изображение, но также человек на нём должен быть правдоподобным как человек.
Мы хотим научиться создавать правдоподобный объект относительно некоторой скрытой структуры исходных объектов. Давайте изучим распределение по ним, а затем просто будем сэмплировать новый объект из этого распределения. Значит эта задача относится к классу задач обучения без учителя.
Порождающие модели на основе нейронных сетей
См. также
Наивный байесовский классификатор(как пример простейшей порождающей модели)
