Distribusi Kondisional

Matematika ketidakpastian

Distribusi kondisional adalah probabilitas bersyarat, diangkat ke seluruh variabel acak. Diberikan bahwa X = x, bagaimana Y terdistribusi? Anda ambil gabungan dan normalisasi ulang dengan marginal hal yang Anda tetapkan:

Itu gerak zoom-dan-normalisasi-ulang yang sama dari Pelajaran 3: tetapkan X = x (pilih satu baris tabel gabungan), lalu skala ulang baris itu agar probabilitasnya berjumlah 1. Hasilnya distribusi asli atas Y, satu untuk setiap nilai x.

Kembali ke tabel tinggi–berat badan, tetapi sekarang lihatlah satu baris tunggal — katakanlah, hanya orang-orang yang tinggi — dan abaikan semua orang lainnya. Angka-angka pada baris itu tidak berjumlah 1 dengan sendirinya, jadi Anda harus menskalakannya ulang hingga jumlahnya 1, dan apa yang Anda dapatkan adalah bagaimana berat badan didistribusikan diberikan bahwa tinggi badannya adalah tinggi. Itu adalah distribusi bersyarat: tetapkan X = x ke satu kategori, lalu normalkan ulang irisan tersebut menjadi sebuah distribusi yang tepat atas Y.

Di mana ini berlaku dalam MLModel diskriminatif adalah distribusi kondisional: p(y | x) persis yang dipelajari klasifier atau regressor, distribusi label diberikan masukan. Decoder di VAE atau model difusi adalah kondisional p(x | z), distribusi data diberikan kode laten. Kondisi adalah cara model generatif mengarahkan keluaran: text-to-image adalah sampling dari p(image | prompt).
▶ Distribusi Kondisional
← Distribusi MarginalKovarians & Korelasi →