Rozkłady warunkowe

Matematyka niepewności

Rozkłady warunkowe to prawdopodobieństwo warunkowe nałożone po prostu na całe zmienne losowe. Jeśli X = x, to w jaki sposób rozłożone jest Y? Bierzesz prawdopodobieństwo wspólne i renormalizujesz je względem tego, co zostało uwarunkowane:

To ten sam zabieg wycięcia-i-skalowania z Lekcji 3: ustal najpierw w tabeli X = x (wyciągnij ten konkretny wiersz z łącznej tablicy), a następnie przeskaluj go, tak by sumował się z powrotem do 1. Wynikiem jest pełnoprawny rozkład warunkowy na Y, osobny dla każdej wartości x.

Wróć do tabeli wzrostu-wagi, ale teraz spójrz na jeden pojedynczy wiersz — powiedzmy, tylko na osoby wysokie — i zignoruj wszystkich innych. Liczby w tym wierszu same z siebie nie sumują się do 1, więc skalujesz je, aż to zrobią, a to co otrzymujesz, to rozkład wagi pod warunkiem że wzrost to "tall". To jest rozkład warunkowy: ustal X = x na jedną kategorię, a następnie zrenormalizuj ten wycinek do poprawnego rozkładu na Y.

Gdzie to występuje w MLModel dyskryminatywny to po prostu rozkład warunkowy: p(y | x) opisuje dokładnie to, czego uczy się podczas treningu klasyfikator czy regresor. Z kolei dekoder z architektury VAE (czy z modelu dyfuzyjnego) stanowi w swojej budowie warunkowe p(x | z), mapujące dane względem utajonego kodu w przestrzeni. Uwarunkowanie to naturalny mechanizm sterowania generatorem — technologia tekst-na-obraz to nic…
▶ Rozkłady warunkowe
← Rozkłady brzegoweKowariancja i korelacja →