8138

Статистические методы обучения. Обучение с полными данными. Метод максимального правдоподобия. Обучение байесовских сетей

Лекция

Информатика, кибернетика и программирование

Статистические методы обучения. Обучение с полными данными. Метод максимального правдоподобия. Обучение байесовских сетей. Основными понятиями при использовании статистических методов обучения продолжают оставаться данные и гипотезы, но данные рассм...

Русский

2013-02-04

65.5 KB

15 чел.

Статистические методы обучения. Обучение с полными данными. Метод максимального правдоподобия.

Обучение байесовских сетей.

Основными понятиями при использовании статистических методов обучения продолжают оставаться данные и гипотезы, но данные рассматриваются как свидетельства, то есть конкретизации случайных переменных, описывающих проблемную область, а гипотезы представляют собой вероятностные теории того, как функционирует проблемная область.

Рассмотрим простой пример. На кондитерской фабрике выпускаются леденцы двух разновидностей –  вишневые и лимонные, которые заворачиваются в одинаковые фантики и упаковываются в очень большие внешне неразличимые пакеты, относящиеся к следующим пяти типам:

h1: 100% вишневых леденцов,

h2: 75% вишневых + 25% лимонных леденцов,

h3: 50% вишневых + 50% лимонных леденцов,

h4: 25% вишневых + 75% лимонных леденцов,

h5: 100% лимонных леденцов.

Работник ОТК должен определить, к какому типу относится предоставленный на контроль пакет, которому соответствует случайная переменная H, принимающая значение от h1 до h5. По мере развертывания конфет регистрируются данные о них D1, D2, …. Dn, где Di – случайная переменная, принимающая значение из множества {cherry, lime}. Работник ОТК должен предсказать к какой разновидности относится следующая выбираемая конфета.

В баесовском обучении исходя из полученных данных вычисляется вероятность каждой гипотезы и делается предсказание. Пусть переменная D представляет все данные с наблюдаемым значением d, тогда вероятность каждой гипотезы может быть определена с помощью правила Байеса:

P(hi|d) = P(d|hi) P(hi)

Пусть необходимо сделать предсказание в отношении неизвестного количества X. В таком случае применяется следующее уравнение:

P(X|d) = =

где предполагается, что каждая гипотеза определяет распределение вероятностей по X. Это уравнение показывает, что предсказания представляют собой взвешенные средние по предсказаниям отдельных гипотез. Сами гипотезы, по сути, являются “посредниками” между фактическими данными и предсказаниями. Основными количественными показателями в байесовском подходе являются распределение априорных вероятностей гипотезы P(hi) и правдоподобие данных согласно каждой гипотезе P(d|hi).

Предположим, что изготовитель объявил о наличии распределения априорных вероятностей по значениям h1, …,h5, которое задано вектором {0.1, 0.2, 0.4, 0.2, 0.1). Правдоподобие данных рассчитывается в соответствии с предположением, что наблюдения являются независимыми и одинаково распределенными, поэтому соблюдается следующее уравнение:

P(d|hi) =

Например, если в действительности пакет содержит только лимонные леденцы (h5) и все первые 10 конфет являются лимонными леденцами, то значение P(d|h3) равно 0.510, поскольку в пакете типа h3 половина конфет – лимонные леденцы. Априори наиболее вероятным вариантом является гипотеза h3 и остается таковой после развертывания 1 конфеты с лимонным леденцом. После развертывания 2 конфет с лимонными леденцами наиболее вероятной становится гипотеза h4, а после обнаружения 3 или больше лимонных леденцов наиболее вероятной становится гипотеза h5. баесовская вероятность того, что следующий леденец будет лимонным, согласно уравнению для P(X|d) монотонно увеличивается до 1.

Данный пример показывает, что истинная гипотеза в конечном итоге будет доминировать над байесовским предсказанием. При любом заданном распределении априорных вероятностей, которое не исключает с самого начала истинную гипотезу, апостериорная вероятность любой сложной гипотезы в конечном итоге полностью исчезает.

В реальных задачах обучения пространство гипотез обычно является очень большим или бесконечным, поэтому приходится вместо прямого вычисления суммы для P(x|d) (или, в непрерывном случае, интегрирования) приходится прибегать к приближенным или упрощенным методам.

Упрощение может быть достигнуто путем предсказаний на основе единственной наиболее вероятной гипотезы, т.е. той гипотезы hi, которая максимизирует значение P(hi|d). Такую гипотезу hmap называют максимально апостериорной. Предсказания, сделанные на основе такой гипотезы, являются приближенно байесовскими до такой степени, что P(X|d) = P(X|hmap). В примере hmap = h5 после обнаружения 3 лимонных леденцов подряд.

Упрощение может быть также достигнуто, например, путем принятия предположения о равномерном распределении априорных вероятностей по пространству гипотез. В этом случае обучение с помощью максимально апостериорной гипотезы сводится к выбору гипотезы hi, которая максимизирует значение P(d|hi). Такая гипотеза называется гипотезой с максимальным правдоподобием. Это – приемлемый подход, применяемый в тех обстоятельствах, когда нет оснований априорно отдавать предпочтение одной гипотезе перед другой. Такой метод обучения становится хорошей аппроксимацией байесовского обучения и обучения с помощью максимально апостериорной гипотезы, когда набор данных имеет большие размеры, поскольку сами данные исправляют распределение априорных вероятностей по гипотезам, но связан с возникновением определенных проблем при использовании небольших наборов данных.


 

А также другие работы, которые могут Вас заинтересовать

52069. ЭТНОГРАФИЯ. Ю. В. Бромлея и Г. Е. Маркова 2.05 MB
  Специальный раздел посвящен проблемам этнической истории народов СССР вопросам формирования новой исторической общности советского народа. Классификация народов мира. Распространенность такого представления в значительной мере связана с тем что сложившись как наука в эпоху расцвета колониализма буржуазной Европы этнография была первоначально нацелена преимущественно на изучение народов внеевропейских территорий в большинстве отстававших в своем развитии. Уже давно стала очевидна несостоятельность деления народов на исторические...
52070. Основи наукових досліджень 846 KB
  Методологія типологія та етапи наукового дослідження План Предмет і задачі дисципліни Основи наукових досліджень. Методологічні основи наукового дослідження Рівні психологопедагогічних досліджень. ОПП: Наука наукознавство об’єкт науки предмет науки наукове дослідження метод методологія методична основа. Методологічні основи наукового дослідження Рівні психологопедагогічних досліджень.
52071. Жанры периодической печати 384 KB
  Жанрообразующие факторы в журналистике. Причины вызывающие жанровую дифференциацию журналистского творчества. Многообразие объектов действительности отражаемых журналистикой.
52072. Основи наукових досліджень-навчальний посібник 3.68 MB
  Основи методології науководослідної роботи. Техніка роботи зі спеціальною літературою. Курсова дипломна магістерська роботи: написання оформлення захист Загальні положення Курсова дипломна робота. Загальна характеристика та їх виконання на прикладі спеціальностей туристськоготельного профілю Етапи наукового дослідження оформлення та захисту дипломної роботи Магістерська робота як кваліфікаційне Дослідження.
52074. Теорія будови Бутлерова як основа вивчення органічної хімії в школі , як сучасний етап розвитку методики викладання хімії 35 KB
  було найвидатнішою подією в історії розвитку органічної хімії. Ця теорія стала науковою основою для подальшого розвитку органічної хімії. Ця теорія дала великий поштовх для розвитку органічної хімії не тільки як практичне застосування але й як неймовірно велику і важливу теоретичну науку . Бутлерова як основа теорії органічної хімії уже розвинулась до такого рівня що вивчається навіть у загальноосвітніх школах знову ж як серце органічної хімії.
52075. Плотность вещества 59.5 KB
  Ребята почему тела равных объемов имеют разные массы Чтобы решить эту проблему изучим новую физическую величину плотность вещества. сегодня на уроке с новой характеристикой вещества плотностью так какая тема сегодняшнего урока Тема нашего урока Плотность вещества II Формирование новых умений и навыков. Молодцы Эту величину назвали – плотность вещества.
52077. Дзеяслоў 71 KB
  Узор: Падарожнік ідзе – крочыць. Падарожнік ідзе Шмат дарог ён прайшоў І машына ідзе З поўным кузавам дроў. А дарога ідзе То праз лес то праз поле. На дарогу ж ідзе І гадзіна і болей.