Modelên Fêrbûna Makîneya Generative û Cihêkar

Hin modelên fêrbûna makîneyê ji kategoriyên modela "çêker" an "cudaxwaz" in. Lêbelê çi ye cûdahiya di navbera van her du kategoriyên modelan? Wateya wê çi ye ku modelek cûdaxwaz an çêker be?

Bersîva kurt ev e ku modelên hilberîner ew in ku dabeşkirina daneya daneyê vedigirin, ji bo mînakek diyar îhtîmalek vedigerînin. Modelên hilberîner bi gelemperî têne bikar anîn da ku pêşbîn bikin ka di rêzek paşerojê de çi diqewime. Di vê navberê de, modelên cihêkar ji bo dabeşkirin an paşveçûn têne bikar anîn û ew pêşbîniyek vedigerînin. li ser bingeha şert dibêtî. Werin em bi hûrgulî cûdahiyên di navbera modelên hilberîner û cudaker de bikolin, da ku em bi rastî fam bikin ka çi du celeb modelan ji hev vediqetîne û kengê divê her celeb were bikar anîn.

Generative vs Modelên Cudakar

Cûrbecûr awayên kategorîzekirina modela fêrbûna makîneyê hene. Modelek dikare wekî aîdê kategoriyên cihêreng were dabeş kirin: modelên hilberîner, modelên cûdakar, modelên parametrîkî, modelên ne-parametrîk, modelên darê-bingehdar, modelên ne-bingeh-dar.

Ev gotar dê li ser cûdahiyên di navbera modelên hilberîner û modelên cihêkar de bisekine. Em ê bi danasîna modelên çêker û cudaker dest pê bikin, û paşê em ê li ser her celeb modelan çend nimûneyan bikolin.

Modelên Generative

Modelên hilberîner ew in ku navenda wan li ser belavkirina çînên di nav databasê de ye. Algorîtmayên fêrbûna makîneyê bi gelemperî dabeşkirina xalên daneyê model dikin. Modelên hilberîner bi dîtina îhtîmala hevbeş ve girêdayî ne. Afirandina xalên ku taybetmendiyek têketinê ya diyarkirî û encamek/etîketek xwestî bi hev re hene.

Modelên hilberîner bi gelemperî ji bo texmînkirina îhtîmal û îhtîmalan, modelkirina xalên daneyê û cudakirina di navbera çînan de li ser bingeha van îhtîmalan têne bikar anîn. Ji ber ku model ji bo databasê dabeşek îhtîmalek fêr dibe, ew dikare vê dabeşkirina îhtîmalê referans bike da ku mînakên daneya nû çêbike. Modelên hilberîner bi gelemperî xwe dispêrin Teorema Bayes ji bo peydakirina îhtîmala hevbeş, peydakirina p(x,y). Bi bingehîn, modelên hilberîner modela ku dane çawa hatî çêkirin, bersiva pirsa jêrîn bidin:

"Îhtîmala ku ev çîn an çînek din vê nuqte/nimûneya daneyê çêbike çi ye?"

Nimûneyên modelên fêrbûna makîneya hilberîner di nav de Analyza Cudakar a Rêzik (LDA), modelên Markov ên veşartî, û torên Bayesian ên mîna Naive Bayes hene.

Modelên Cudaxwaz

Dema ku modelên hilberîner li ser belavkirina danezanê fêr dibin, modelên cudaker li ser sînorê di navbera çînên di nav databasê de fêr bibin. Bi modelên cihêkar, armanc naskirin e sînorê biryarê di navbera çînan de ku etîketên pola pêbawer li ser mînakên daneyê bicîh bikin. Modelên cihêkar bi karanîna îhtîmala şertî çînên di danezanê de ji hev vediqetînin, di derheqê xalên daneya kesane de tu texmînan nakin.

Modelên cûdaxwaz ji bo bersiva pirsa jêrîn destnîşan kirin:

"Ev mînak di kîjan aliyê sînorê biryarê de tê dîtin?"

Nimûneyên modelên cihêkar ên di fêrbûna makîneyê de makîneyên vektorê piştgirî, regresyona lojîstîkî, darên biryarê, û daristanên rasthatî hene.

Cûdahiyên di navbera Generative û Cudaxwaziyê de

Li vir hûrguliyek bilez a cûdahiyên sereke yên di navbera modelên hilberîner û cûdaxwaz de heye.

Modelên hilberîner:

• Modelên hilberîner armanc dikin ku belavkirina rastîn a çînên di databasê de bigirin.
• Modelên hilberîner dabeşkirina îhtîmala hevbeş - p(x,y) - bi karanîna Teorema Bayes pêşbînî dikin.
• Modelên hilberîner li gorî modelên cihêkar ji hêla hesabkirinê ve biha ne.
• Modelên hilberîner ji bo peywirên fêrbûna makîneyê yên neçapkirî bikêr in.
• Modelên hilberîner ji modelên cudaker zêdetir ji hebûna derûdora bandor dibin.

Modelên cudaker:

• Modelên cihêkar sînorê biryarê ji bo çînên databasê model dikin.
• Modelên cihêkar îhtîmala şertî fêr dibin - p(y|x).
• Modelên cihêkar li gorî modelên hilberîner ji hêla hesabkirinê ve erzan in.
• Modelên cihêkar ji bo karên fêrbûna makîneyê yên çavdêrîkirî bikêr in.
• Modelên cihêkar, berevajî modelên hilberîner, xwedan avantajê ye ku ji yên der ve bihêztir in.
• Modelên cihêkar li gorî modelên hilberîner ji yên der ve bi hêztir in.

Em ê naha bi kurtasî hin mînakên cihêreng ên modelên fêrbûna makîneya hilberîner û cihêkar bikolin.

Nimûneyên Modelên Generative

Analîza Cudakar a Rêzik (LDA)

modelên LDA fonksiyona bi texmînkirina cihêrengî û navînî ya daneyan ji bo her pola di danezanê de. Piştî ku navgîn û cudahiyên ji bo her çînekê hatin hesibandin, pêşbînkirin dikarin bi texmînkirina îhtîmala ku komek daneyan aîdî çîneke diyarkirî be, bêne çêkirin.

Modelên Markov veşartî

Zincîrên Markov dikare wekî grafikên bi îhtimalan were hesibandin ku destnîşan dikin ka çiqasî îhtîmal e ku em ê ji xalek zincîrê, "dewletek" berbi rewşek din ve biçin. Zincîrên Markov ji bo diyarkirina îhtimala derbasbûna ji rewşa j ber bi rewşa i ve tên bikaranîn, ku dikare wekî p(i,j) were binavkirin. Ev tenê îhtîmala hevbeş e ku li jor hatî behs kirin. Modela Markov a Veşartî ew e ku zincîreyek Markov a nedîtbar, neçavdêr tê bikar anîn. Ketina daneyan ji modelê re têne dayîn û îhtîmalên ji bo rewşa heyî û dewleta ku yekser berî wê tê bikar anîn da ku encama herî gengaz hesab bike.

Torên Bayesian

torên Bayesian celebek modela grafîkî ya îhtîmalî ne. Ew girêdanên şertî yên di navbera guherbaran de, wekî ku ji hêla Grafek Acyclic Directeder ve têne destnîşan kirin, temsîl dikin. Di torgilokek Bayesian de, her keviya grafîkê pêwendiyek şertî nîşan dide, û her girêk bi guhêrbarek yekta re têkildar e. Serxwebûna şertî ya ji bo têkiliyên bêhempa yên di grafîkê de dikare were bikar anîn da ku dabeşkirina hevbeş a guhêrbaran diyar bike û îhtîmala hevbeş hesab bike. Bi gotinek din, torgilokek Bayesian di dabeşek îhtîmalek hevbeş de binkeyek ji têkiliyên serbixwe digire.

Dema ku torgilokek Bayesian hate afirandin û bi rêkûpêk hate pênase kirin, bi Guherbarên Tesadûfî, Têkiliyên Bi Şert, û Dabeşkirina Îhtîmalê re were zanîn, ew dikare ji bo texmînkirina îhtîmala bûyeran an encaman were bikar anîn.

Yek ji celebên herî gelemperî yên torên Bayesian modelek Naive Bayes e. Modelek Naive Bayes kêşeya hesabkirina îhtîmala ji bo berhevokên danûstendinê yên bi gelek parametre / guhêrbar re bi rê ve dibe û hemî taybetmendiyan ji hev serbixwe digire.

Nimûneyên Modelên Cudaxwaz

Machines Vektor Piştgirî

Piştgiriya makîneyên vektor bi xêzkirina tixûbek biryarê di navbera xalên daneyê de tevdigerin, sînorê biryarê yê ku herî baş çînên cihêreng ên di daneyê de ji hev vediqetîne bibînin. Algorîtmaya SVM xêz an jî hîperplanên ku xalan ji hev vediqetîne, bi rêzê ji bo mekanên 2-alî û yên 3D xêz dike. SVM hewil dide ku xêz / hîperplana ku herî baş çînan ji hev vediqetîne bibîne bi hewldana zêdekirina marjînal, an dûrahiya di navbera xêz / hîperplane heya xalên herî nêzîk. Her weha modelên SVM dikarin li ser danûstendinên ku bi xêzikî nayên veqetandin jî bi karanîna "xefika kernel" bikar bînin da ku sînorên biryara ne-xêzik nas bikin.

Regression Logistic

Regresyona lojîstîk algorîtmayek e ku fonksiyonek logit (log-odds) bikar tîne da ku îhtîmala ku têketinek di yek ji du rewşan de be diyar bike. Fonksiyonek sigmoîd tê bikar anîn da ku îhtimalê berbi 0 an 1, rast an derewîn "teqandin". Îhtîmalên ji 0.50 mezintir wekî pola 1 tê hesibandin, dema ku îhtîmalên 0.49 an kêmtir wekî 0 têne hesibandin. Ji ber vê yekê, regresyona lojîstîkî bi gelemperî di pirsgirêkên dabeşkirina binar de tê bikar anîn. Lêbelê, vegerandina lojîstîk dikare li ser pirsgirêkên pir-çîniyî bi karanîna nêzîkatiyek yek li hember hemî were sepandin, ji bo her polê modelek dabeşkirina binaryê biafirîne û îhtîmala ku mînakek çînek armanc an çînek din a di databasê de be destnîşan bike.

Dara Biryarê

A dara biryarê fonksiyonên modelê bi dabeşkirina danezanê li beşên piçûktir û piçûktir dike, û gava ku binekom nikaribin bêtir werin dabeş kirin, encam darek bi girêk û pelan e. Nodên di dara biryarê de ew in ku biryarên di derbarê xalên daneyê de bi karanîna pîvanên cûda yên fîlterkirinê têne girtin. Pelên di dara biryarê de xalên daneyê ne ku hatine dabeşkirin. Algorîtmayên dara biryarê dikarin hem daneya hejmarî û hem jî kategorîk bi rê ve bibin, û veqetandinên di darê de li ser guhêrbar/taybetmendiyên taybetî têne çêkirin.

Daristanên Random

A model daristanê random di bingeh de tenê berhevokek darên biryarê ye ku pêşbîniyên darên takekesî têne navînî da ku bigihîjin biryara dawîn. Algorîtmaya daristana rasthatî çavdêrî û taybetmendiyan bi rengekî rast hildibijêre, li ser bingeha van hilbijartinan darên takekesî ava dike.

Vê gotara dersê dê lêkolîn bike ka meriv çawa li Matplotlib Plotek Box biafirîne. Pîvanên qutikê têne bikar anîn da ku statîstîkek kurt a databasê xuyang bikin, taybetmendiyên dabeşkirinê yên mîna rêz û belavkirina daneyê destnîşan dikin.