Що розуміється під терміном "попередній" в машинному навчанні

Я новачок у машинному навчанні. Я прочитав декілька робіт, де вони використовували глибоке навчання для різних застосувань і використовували термін "попередній" у більшості випадків модельного дизайну, скажімо до оцінки людського тіла. Може хтось пояснить, що це насправді означає. У навчальних посібниках я міг знайти лише математичну постановку попереднього та заднього.

— Емі
джерело

Це математичне поняття, так, так, воно сформульовано математично. Однак сторінка Вікіпедії, здається, дає багато інтуїції. Ви це перевірили? Якщо так, чи можете ви сказати більше про те, чого ви не зрозуміли і що шукаєте у відповіді?

— Девід Річербі

@David Richerby . Спасибі за вашу відповідь. Так, я перевірив цю сторінку вікіпедії, і міг зібрати розпливчасте уявлення про те, що це щось про знання чи інформацію про змінну. Я читав документи про оцінку пози на тілі, де згадувались про приори поза тіла, попередні кінематики тіла, моделювання пріорів над тривимірною позою людини, навчання пріорів, перш ніж оцінювати 3D позу людини. Я не міг чітко розібратися, що насправді в цьому контексті означає термін "попередній".

— Емі

jonathanweisberg.org/pdf/VarietiesvF.pdf

— Андрій

Простіше кажучи, без будь-яких математичних символів, попередньо означає початкові переконання про подію з точки зору розподілу ймовірностей . Потім ви налаштовуєте експеримент і отримуєте деякі дані, а потім "оновлюєте" свою переконання (а отже, імовірність розподілу) відповідно до результату експерименту (апостеріорний розподіл ймовірностей).

Приклад: Припустимо, нам дають дві монети. Але ми не знаємо, яка монета підроблена. Монета 1 є неупередженою (голова та хвости мають 50% ймовірності), а монета 2 є упередженою, скажімо, ми знаємо, що вона дає голову з вірогідністю 60%. Математично:

Враховуючи, що у нас є ГОЛОВИ, ймовірність того, що це Монета 1, становить 0,4 а ймовірність - Монета 2 - 0,6

p (H | C o i n_{1}) = 0.4

$p(H | Coin_1) = 0.4$

p (H | C o i n_{2}) = 0.6

$p(H| Coin_2) = 0.6$

Отже, це все, що ми знаємо, перш ніж поставити експеримент.

Тепер ми збираємося викинути монету, і, виходячи з інформації, яку ми маємо (Н або Т), ми будемо здогадуватися, яку монету ми вибрали (Монета 1 або Монета 2).

Спочатку ми припускаємо, що обидві монети мають рівні шанси, тому що у нас поки немає інформації. Це наш пріоритет . Це рівномірний розподіл. $p(Coin_1) = p(Coin_2) = 0.5$

Тепер ми беремо випадково одну монету, кидаємо її і маємо ГОЛОВИ. У цей момент все відбувається. Ми обчислюємо задню ймовірність / розподіл, використовуючи байєсівську формулу:

p (C o i n_{1} | H) = \frac{p (H | C o i n_{1}) p (C o i n_{1})}{p (H | C o i n_{1}) p (C o i n_{1}) + p (H | C o i n_{2}) p (C o i n_{2})} = \frac{0.4 \times 0.5}{0.4 \times 0.5 + 0.6 \times 0.5} = 0.4

$p(Coin_1 | H) = \frac{p(H | Coin_1)p(Coin_1)}{p(H | Coin_1)p(Coin_1) + p(H | Coin_2)p(Coin_2)} = \frac{0.4\times0.5}{0.4\times0.5 + 0.6\times0.5} = 0.4$

p (C o i n_{2} | H) = \frac{p (H | C o i n_{2}) p (C o i n_{2})}{p (H | C o i n_{1}) p (C o i n_{1}) + p (H | C o i n_{2}) p (C o i n_{2})} = \frac{0.6 \times 0.5}{0.4 \times 0.5 + 0.6 \times 0.5} = 0.6

$p(Coin_2 | H) = \frac{p(H | Coin_2)p(Coin_2)}{p(H | Coin_1)p(Coin_1) + p(H | Coin_2)p(Coin_2)} = \frac{0.6\times0.5}{0.4\times0.5 + 0.6\times0.5} = 0.6$

Так, спочатку у нас була ймовірності для кожної монети, але тепер після експерименту наші переконання змінилися, тепер ми вважаємо, що монета - Монета 1 з ймовірністю 0,4 і це Монета 2 з ймовірністю 0,6. Це наш задній розподіл, розподіл Бернуллі . $0.5$

Це основний принцип байєсівського висновку та статистики, що використовується в машинному навчанні.

— fade2black
джерело

Потрібно виправити приклад вище. Цей підрахунок показує, що обидві монети є упередженими (перша - зі зондом головки 40%, а друга - з вірогідністю 60%). Якщо перша є упередженою, це все-таки розподіл Бернуллі, але з ймовірністю P (Coin1 | H) = 5/11 і P (Coin2 | H) = 6/11

— daniels_pa

Якщо "Враховуючи, що у нас є ГОЛОВИ, ймовірність того, що це монета 1 - 0,4", слід переписати як "Враховуючи, що у нас є Монета 1, ймовірність того, що це HEADS, становить 0,4" ?

— Mateen Ulhaq

Пояснення не пояснює з точки зору машинного навчання.

— користувач3023715