TensorFlow : Edward Tutorials (背景) : 確率モデル (翻訳/解説)
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 11/26/2018
* 本ページは、Edward サイトの Tutorials : Background : Probabilistic Models を翻訳した上で
適宜、補足説明したものです：
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。
確率モデル
確率モデルは自然現象からの観測がどのように起きるかを主張します。モデルはデータに対応する観測変数 \(\mathbf{x}\) と、\(\mathbf{x}\) を生成するための隠れ構造を提供する潜在変数 \(\mathbf{z}\) の 同時分布 です :
\[\begin{aligned}
p(\mathbf{x}, \mathbf{z})\end{aligned}
\]
同時分布は 2 つの構成要素に分解されます。
尤度
\[
\begin{aligned}
p(\mathbf{x} \mid \mathbf{z})
\end{aligned}
\]
は任意のデータ \(\mathbf{x}\) が潜在変数 \(\mathbf{z}\) にどのように依存しているかを記述する確率分布です。尤度はデータ生成過程を仮定します、そこではデータ \(\mathbf{x}\) は \(\mathbf{z}\) で記述された特定の隠れパターン上で条件付けされた尤度からドローされると仮定されます。
事前分布
\[
\begin{aligned}
p(\mathbf{z})\end{aligned}
\]
はデータに存在する潜在変数を記述する確率分布です。それは 隠れ構造の生成過程を仮定します。
Edward でモデルをどのように指定するかの詳細については、model API を見てください。チュートリアル で幾つかの例を詳細に記述します。
以上