Koşullu Dağılımlar

The mathematics of uncertainty

Koşullu dağılımlar, koşullu olasılığın bütün rastgele değişkenlere taşınmış halidir. X = x verildiğinde, Y nasıl dağılır? Bileşik dağılımı alır ve sabitlediğin şeyin marjinaliyle yeniden normalleştirirsin:

Bu, 3. Ders'teki aynı yakınlaştır-ve-yeniden-normalleştir hareketidir: X = x'i sabitle (bileşik tablonun bir satırını seç), sonra o satırı olasılıkları toplamı 1 olacak şekilde yeniden ölçekle. Sonuç, her x değeri için bir tane olmak üzere Y üzerinde gerçek bir dağılımdır.

Boy–kilo tablosuna geri dönün, ancak bu kez yalnızca tek bir sıraya — örneğin sadece uzun boylu insanlara — bakın ve diğer herkesi görmezden gelin. Bu sıranın sayılarının kendi başına toplamı 1 etmez, bu yüzden edene kadar onları yeniden ölçeklendirirsiniz ve elde ettiğiniz şey boyun uzun olduğu verildiğinde kilonun nasıl dağıldığıdır. Bu bir koşullu dağılımdır: X = x değerini bir kategoriye sabitleyin, ardından bu dilimi Y üzerinde uygun bir dağılıma yeniden normalleştirin.

Bunun ML'deki yeriBir ayırt edici model bir koşullu dağılımdır: p(y | x), bir sınıflandırıcının veya regresörün tam olarak öğrendiği şeydir — girdi verildiğinde etiket dağılımı. Bir VAE veya difüzyon modelindeki kod çözücü (decoder) ise bir koşullu p(x | z)'dir — gizli (latent) kod verildiğinde veri dağılımı. Koşullandırma, üretici modellerin çıktıyı yönlendirme biçimidir: metinden-görsele üretim, p(image |…
▶ Koşullu Dağılımlar
← Marjinal DağılımlarKovaryans ve Korelasyon →