একটি উত্পাদক এবং একটি বৈষম্যমূলক অ্যালগরিদমের মধ্যে পার্থক্য কী?

Question

দয়া করে, আমি কেবল একটি শিক্ষানবিস তা মনে রেখে, জেনারেটরি এবং একটি বৈষম্যমূলক অ্যালগরিদমের মধ্যে পার্থক্য বুঝতে আমাকে সহায়তা করুন ।

Comments

এই ডকুমেন্টটি (নীচে অ্যানগুইন 8 দ্বারা চিহ্নিতও করা হয়েছে) একটি ভাল: cs229.stanford.edu/notes/cs229-notes2.pdf

— গুসুকু

পরিসংখ্যানগুলিতেও একই প্রশ্নটি দেখুন SE এসই: জেনারেটরি বনাম বৈষম্যমূলক

— লেনার হোয়েট

একটি সাধারণ এবং ভিজ্যুয়াল উত্তরের জন্য এখানে ক্লিক করুন stackoverflow.com/a/52412379/7160346

— রবি জি

Answer 1

ধরা যাক আপনার কাছে ইনপুট ডেটা রয়েছে xএবং আপনি ডেটাগুলিকে লেবেলে শ্রেণিবদ্ধ করতে চান y। একজন সৃজক মডেল শিখে যৌথ সম্ভাব্যতা বিতরণের p(x,y)এবং পক্ষপাতমূলক মডেল শিখে শর্তাধীন সম্ভাব্যতা বিতরণের p(y|x)- যা আপনি পড়া উচিত "এর সম্ভাব্যতা yদেওয়া x" ।

এখানে একটি সত্যিই সহজ উদাহরণ। ধরুন আপনার ফর্মটিতে নিম্নলিখিত তথ্য রয়েছে (x,y):

(1,0), (1,0), (2,0), (2, 1)

p(x,y) হয়

      y=0   y=1
     -----------
x=1 | 1/2   0
x=2 | 1/4   1/4

p(y|x) হয়

      y=0   y=1
     -----------
x=1 | 1     0
x=2 | 1/2   1/2

আপনি যদি এই দুটি ম্যাট্রিকগুলিতে তাকাতে কয়েক মিনিট সময় নেন তবে আপনি দুটি সম্ভাবনা বিতরণের মধ্যে পার্থক্য বুঝতে পারবেন।

বন্টন p(y|x)একটি প্রদত্ত উদাহরণ classifying জন্য প্রাকৃতিক বন্টন হয় xএকটি বর্গ মধ্যে y, যা কেন আলগোরিদিম যা মডেল এই সরাসরি বলা হয় পক্ষপাতমূলক আলগোরিদিম। জেনারেটরি অ্যালগরিদম মডেল p(x,y), যা p(y|x)বেয়েস বিধি প্রয়োগ করে এবং পরে শ্রেণিবিন্যাসের জন্য ব্যবহার করে রূপান্তরিত হতে পারে used তবে বিতরণটি p(x,y)অন্যান্য উদ্দেশ্যেও ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, যদি আপনি ব্যবহার করতে পারে p(x,y)থেকে উৎপন্ন সম্ভবত (x,y)জোড়া।

উপরের বর্ণনা থেকে আপনি ভাবতে পারেন যে জেনারেটাল মডেলগুলি আরও সাধারণভাবে কার্যকর এবং সেইজন্য আরও ভাল তবে এটি এতটা সহজ নয়। এই কাগজটি বৈষম্যমূলক বনাম জেনারেটরি ক্লাসিফায়ার সম্পর্কিত একটি খুব জনপ্রিয় রেফারেন্স, তবে এটি বেশ ভারী চলছে। সামগ্রিক সারাংশটি হ'ল বৈষম্যমূলক মডেলগুলি সাধারণত শ্রেণিবদ্ধকরণের ক্ষেত্রে জেনারেটরি মডেলগুলিকে ছাড়িয়ে যায়।

Comments

কাগজের জন্য ধন্যবাদ। লেখক এখন স্ট্যানফোর্ড এ অধ্যাপক এবং বিস্ময়কর সম্পদ আছে stanford.edu/class/cs229/materials.html

— unj2

এন্ড্রু

— এনগের

ম্যাট্রিকগুলি দেখার সময় লক্ষ্য করুন যে প্রথমটিতে, সমস্ত এন্ট্রিগুলি ১.০ পর্যন্ত যোগ করে, অন্যদিকে প্রতিটি সারিতে প্রতিটি সারির পরিমাণ এক হতে পারে। এটি

— আলোকিতকরণকে ত্বরান্বিত

এন্ড্রু এনগের

— anh_ng8

"এই কারণেই এই মডেলটিকে সরাসরি বৈষম্যমূলক অ্যালগরিদম বলা হয় এমন আলগোরিদিমগুলি", এখনও নিশ্চিত নয় যে কেন p(y|x)সেই মডেলটিকে "বৈষম্যমূলক মডেল" বলা হয় সেই আলগোরিদিমকে কেন বোঝায়।

— nbro

Answer 2

একটি জেনারেটর অ্যালগরিদম মডেল কীভাবে কোনও সংকেত শ্রেণিবদ্ধ করার জন্য ডেটা উত্পন্ন হয়েছিল। এটি প্রশ্নটি জিজ্ঞাসা করে: আমার প্রজন্মের অনুমানের উপর ভিত্তি করে, কোন বিভাগটি এই সংকেতটি তৈরি করার সম্ভাবনা সবচেয়ে বেশি?

একটি বৈষম্যমূলক অ্যালগরিদম কীভাবে ডেটা তৈরি হয়েছিল তা যত্ন করে না, এটি কেবল একটি প্রদত্ত সংকেতকে শ্রেণীবদ্ধ করে।

Comments

এই উত্তরটি আমাকে বিভ্রান্ত করে। উভয় শ্রেণীর অ্যালগরিদম তত্ত্বাবধানে শেখার অ্যালগরিদমগুলির শ্রেণিতে পড়ে, যা অন্য ডেটা সম্পর্কে ভবিষ্যদ্বাণী করে এমন একটি ফাংশন পেতে লেবেলযুক্ত প্রশিক্ষণ ডেটার একটি মডেল শিখেছে। বৈষম্যমূলক অ্যালগরিদমটি আপনি বর্ণনা করার সাথে সাথে মনে হচ্ছে এটি কোনও মডেল তৈরি করে না, এটি কি সঠিক? আপনি যদি এই বিষয়ে আপনার উত্তরকে আরও বাড়িয়ে তুলতে পারেন তবে আমি খুশি হব।

— লেনার হোয়েট

@ এমসিবি একটি জেনারেটরি অ্যালগরিদম মডেল কীভাবে ডেটা "জেনারেট" করা হয়েছিল, তাই আপনি এটি জিজ্ঞাসা করেন "এই বা এই শ্রেণীর সম্ভাবনাটি কী ঘটেছে?" এবং আরও ভাল সম্ভাবনা সঙ্গে একটি বাছাই। একটি বৈষম্যমূলক অ্যালগরিদম সিদ্ধান্তের সীমানা তৈরি করতে ডেটা ব্যবহার করে, তাই আপনি এটি জিজ্ঞাসা করেন "সিদ্ধান্তের সীমানার কোন দিকটি এই উদাহরণস্বরূপ?" সুতরাং এটি কীভাবে ডেটা উত্পন্ন হয়েছিল তার একটি মডেল তৈরি করে না, এটি শ্রেণীর মধ্যে সীমানাটি কী বলে মনে করে তার একটি মডেল তৈরি করে।

— অ্যান্টনি

তাই নায়েভ বেয়েসের মতো জেনারেটরি মডেলটির কি কোনও সিদ্ধান্তের সীমানা নেই?

— শীটাল_158

সুতরাং জেনারেটাল মডেলগুলি দেখে মনে হচ্ছে তারা ব্যাখ্যার পক্ষে আরও ভাল?

— ক্যান্ডিক 3

Answer 3

ভাবুন আপনার কাজটি কোনও ভাষায় একটি বক্তৃতাকে শ্রেণিবদ্ধ করা।

আপনি এটি দ্বারা এটি করতে পারেন:

1. প্রতিটি ভাষা শেখা, এবং তারপরে আপনি সবেমাত্র অর্জন করেছেন এমন জ্ঞান ব্যবহার করে শ্রেণিবদ্ধকরণ

অথবা

2. ভাষা না শিখিয়ে ভাষাগত মডেলগুলির মধ্যে পার্থক্য নির্ধারণ করা এবং তারপরে বক্তৃতার শ্রেণিবদ্ধকরণ।

প্রথমটি হ'ল জেনারেটর অ্যাপ্রোচ এবং দ্বিতীয়টি হ'ল বৈষম্যমূলক পদ্ধতির।

আরও বিশদের জন্য এই রেফারেন্সটি দেখুন: http://www.cedar.buffalo.edu/~srihari/CSE574/Discriminative-Generative.pdf ।

Comments

এটা কি অন্য রাস্তা নয়? আপনি ভাষাটি শিখেছেন তা বিবেচনা করে আপনি শর্তসাপেক্ষ বিতরণে কাজ করছেন এবং সুতরাং এটি বৈষম্যমূলক হওয়া উচিত?

— লন্ডন লোক

আমি মনে করি এটি নীচের উত্তরগুলি পড়ার পরেও অন্যান্য উপায়ে রয়েছে - উদাহরণ সিএস 299 এর বক্তৃতা নোটগুলি থেকে ঘোড়ায় লেখা

— মিতালি সাইরাস

Answer 4

অনুশীলনে, মডেলগুলি নিম্নলিখিত হিসাবে ব্যবহৃত হয়।

ইন বৈষম্যমূলক মডেল , লেবেল ভবিষ্যদ্বাণী করা yপ্রশিক্ষণ উদাহরণ থেকে x, আপনি মূল্যায়ন করতে হবে:

যা কেবলমাত্র সবচেয়ে সম্ভবত শ্রেণীর yবিবেচনা করে তা বেছে নেয় x। আমরা ক্লাসগুলির মধ্যে সিদ্ধান্তের সীমানা মডেল করার চেষ্টা করেছিলাম এমনটাই । নিউরাল নেটওয়ার্কগুলিতে এই আচরণটি অত্যন্ত স্পষ্ট, যেখানে গণিত ওজনকে একটি জটিল আকারের বক্ররেখার মতো স্থানের কোনও শ্রেণীর উপাদানগুলিকে পৃথক করে দেখা যায়।

এখন, বয়েসের নিয়ম ব্যবহার করে সমীকরণটি এর দ্বারা প্রতিস্থাপন করুন । যেহেতু আপনি কেবল আর্গ সর্বাধিক আগ্রহী তাই আপনি ডিনোমিনেটরকে মুছতে পারেন, এটি প্রত্যেকের জন্য সমান হবে y। সুতরাং, আপনি বাকি আছে

আপনি উত্পাদক মডেলগুলিতে ব্যবহার করেন এমন সমীকরণ ।

প্রথম ক্ষেত্রে আপনি ছিল শর্তাধীন সম্ভাব্যতা বিতরণের p(y|x) , যা শ্রেণীর মধ্যে সীমা অনুকরণে, দ্বিতীয় আপনি ছিল যৌথ সম্ভাব্যতা বিতরণের p(x, y) , যেহেতু p(x | y) p(y) = p(x, y), যা স্পষ্টভাবে মডেলের প্রতিটি বর্গ প্রকৃত বন্টন ।

যৌথ সম্ভাব্যতা বিতরণ ফাংশন সহ, একটি দেওয়া হল y, আপনি এর সম্পর্কিত ("উত্পন্ন") গণনা করতে পারেন x। এই কারণে তাদের "জেনারেটরি" মডেল বলা হয়।

Comments

এই যুক্তি দ্বারা, একই বিতরণে প্রয়োগ করার সময় জেনারেটরি এবং বৈষম্যমূলক মডেলটি কি সমান হয় না? কেন তখন শ্রেণিবিন্যাসের আচরণের মধ্যে পার্থক্য রয়েছে? নাকি এগুলি সর্বাধিক সম্ভাবনার প্রসঙ্গে সমান?

— সেবাস্তিয়ান গ্রাফ

তারা "সমান" কিনা তা জানানোর জন্য আমাদের প্রথমে তার দ্বারা আমরা কী বোঝাতে চাই তা নির্ধারণ করতে হবে। প্রচলিত জিনিসগুলি প্রচলিত, তবে সবচেয়ে শক্তিশালী পার্থক্যটি হ'ল কৌশলটি হ'ল: ডিস্ট্রিবিউশন (জেনারেটরি) বনাম মডেল বিতরণ (শ্রেণিবদ্ধ) নির্বিশেষে কোনও শ্রেণীর পূর্বাভাস - কেএনএন সম্পর্কে চিন্তা করুন উদাহরণস্বরূপ এক সেকেন্ডের জন্য।

— শৌল বেরার্ডো

Answer 5

বিষয়টি সম্পর্কিত CS299 (অ্যান্ড্রু এনজি দ্বারা) এর বক্তৃতা নোটগুলির সর্বাধিক গুরুত্বপূর্ণ অংশটি , যা আমাকে সত্যই বৈষম্যমূলক এবং জেনারেটিক লার্নিং অ্যালগরিদমের মধ্যে পার্থক্য বুঝতে সহায়তা করে ।

ধরুন আমাদের কাছে দুটি শ্রেণির প্রাণী, হাতি ( y = 1) এবং কুকুর ( y = 0) রয়েছে। এবং এক্স হ'ল প্রাণীগুলির বৈশিষ্ট্য ভেক্টর।

একটি প্রশিক্ষণ সেট দেওয়া হয়েছে, লজিস্টিক রিগ্রেশন বা পারসেপ্ট্রন অ্যালগরিদম (মূলত) এর মতো একটি অ্যালগরিদম একটি সরল রেখা - অর্থাৎ, সিদ্ধান্তের সীমানা - যা হাতি এবং কুকুরকে পৃথক করে তা সন্ধান করার চেষ্টা করে। তারপরে, একটি নতুন প্রাণীটিকে একটি হস্তী বা কুকুর হিসাবে শ্রেণিবদ্ধ করার জন্য, সিদ্ধান্তের সীমানার কোন দিকে পড়ে তা পরীক্ষা করে এবং সে অনুযায়ী তার পূর্বাভাস দেয়। আমরা এই বৈষম্যমূলক শিক্ষার অ্যালগরিদম বলি ।

এখানে একটি ভিন্ন পদ্ধতির। প্রথমে, হাতির দিকে তাকিয়ে আমরা হাতির দেখতে কেমন এমন একটি মডেল তৈরি করতে পারি। তারপরে, কুকুরের দিকে তাকিয়ে আমরা কুকুর দেখতে কেমন তার একটি পৃথক মডেল তৈরি করতে পারি। পরিশেষে, একটি নতুন প্রাণীর শ্রেণিবদ্ধকরণ করার জন্য, আমরা হাতির মডেলের সাথে নতুন প্রাণীটির সাথে মেলাতে পারি এবং এটি কুকুরের মডেলের সাথে মেলে দেখতে পারি, নতুন প্রাণীটি হাতির মতো দেখায় বা কুকুরের মতো আমরা প্রশিক্ষণের সেটে দেখেছি কি না । আমরা এই জেনারেটর লার্নিং অ্যালগরিদম কল ।

Answer 6

সাধারণত, মেশিন লার্নিং কমিউনিটিতে এমন একটি অভ্যাস রয়েছে যা আপনি চান না এমন কিছু শিখবেন না। উদাহরণস্বরূপ, একটি শ্রেণিবদ্ধকরণ সমস্যাটি বিবেচনা করুন যেখানে একটির লক্ষ্য দেওয়া হয় যে প্রদত্ত এক্স ইনপুটটিতে y লেবেল নির্ধারণ করা। আমরা যদি জেনারেটরি মডেল ব্যবহার করি

p(x,y)=p(y|x).p(x)

আমাদের p (x) মডেল করতে হবে যা হাতে কাজটির জন্য অপ্রাসঙ্গিক। ডেটা স্বল্পতার মতো ব্যবহারিক সীমাবদ্ধতা আমাদের p(x)কিছু দুর্বল স্বাধীনতা অনুমানের সাথে মডেল করতে বাধ্য করবে । সুতরাং, আমরা শ্রেণিবিন্যাসের জন্য স্বজ্ঞাতভাবে বৈষম্যমূলক মডেলগুলি ব্যবহার করি।

Answer 7

বিভিন্ন মডেল নীচের সারণিতে সংক্ষিপ্ত:

Comments

আপনি কি এই ছবিতে কোনও উত্স যুক্ত করতে পারেন? আমি মনে করি এটি এখানে সেরা উত্তরগুলির মধ্যে একটি

— অ্যালেক্স এল

চিত্রটি এখান থেকে নেওয়া হয়েছে: স্ট্যানফোর্ড.ইডু

— শেভেরাইন / শিখা / সিএস ২২৯/২

Answer 8

একটি অতিরিক্ত তথ্যমূলক পয়েন্ট যা উপরের স্টম্পচিকেনের উত্তরের সাথে ভাল।

মৌলিক পার্থক্য মধ্যে পার্থক্যসূচক মডেল এবং সৃজক মডেল হল:

বৈষম্যমূলক মডেলগুলি ক্লাসগুলির মধ্যে (কঠোর বা নরম) সীমানা শিখবে

জেনারেটাল মডেলগুলি পৃথক ক্লাস বিতরণের মডেল

সম্পাদনা:

জেনারেটরি মডেল হ'ল ডেটা তৈরি করতে পারে । এটি বৈশিষ্ট্য এবং শ্রেণি উভয়ই মডেল করে (অর্থাত্ সম্পূর্ণ ডেটা)।

আমরা যদি মডেল করি P(x,y): ডেটা পয়েন্ট উত্পন্ন করতে আমি এই সম্ভাব্যতা বন্টনটি ব্যবহার করতে পারি - এবং তাই সমস্ত অ্যালগরিদম মডেলিং P(x,y)জেনারেটরি।

যেমন। উত্পাদক মডেল

• নাইভ বেয়েস মডেল P(c)এবং P(d|c)- cক্লাসটি কোথায় এবং dবৈশিষ্ট্য ভেক্টর।

  এছাড়াও, P(c,d) = P(c) * P(d|c)

  অতএব, কিছু ফর্ম মডেলগুলিতে নাইভ বয়েস, P(c,d)

• বেয়েস নেট

• মার্কভ নেট

একটি বৈষম্যমূলক মডেল এমনটি যা কেবলমাত্র ডেটা পয়েন্টগুলিকে বৈষম্য / শ্রেণিবদ্ধ করতে ব্যবহার করা যেতে পারে । আপনার কেবল এই P(y|x)জাতীয় ক্ষেত্রে মডেল করতে হবে (যেমন বৈশিষ্ট্য ভেক্টর প্রদত্ত শ্রেণীর সম্ভাবনা)।

যেমন। বৈষম্যমূলক মডেলগুলির:

• পণ্য সরবরাহ সংশ্লেষণ

• নিউরাল নেটওয়ার্ক

• শর্তাধীন র্যান্ডম ক্ষেত্র

সাধারণভাবে, জেনারেটাল মডেলগুলিকে বৈষম্যমূলক মডেলগুলির চেয়ে অনেক বেশি মডেল করা প্রয়োজন এবং তাই এটি কখনও কখনও কার্যকর হিসাবে কার্যকর হয় না। প্রকৃতপক্ষে, বেশিরভাগ (সমস্ত নিশ্চিত নয়) ক্লাস্টারিং ইত্যাদির মতো নিরীক্ষণযোগ্য শেখার অ্যালগরিদমগুলিকে জেনারেটরি বলা যেতে পারে, যেহেতু তারা মডেল করে P(d)(এবং কোনও শ্রেণি নেই: পি)

পিএস: উত্তরের অংশটি উত্স থেকে নেওয়া হয়েছে

Answer 9

সংক্ষিপ্ত উত্তর

এখানে অনেক উত্তর ব্যাপকভাবে ব্যবহৃত গাণিতিক সংজ্ঞা [1] এর উপর নির্ভর করে:

• বৈষম্যমূলক মডেলগুলি সরাসরি শর্তাধীন ভবিষ্যদ্বাণীমূলক বিতরণ শিখবে p(y|x)।
• উত্পাদক মডেলগুলি যৌথ বিতরণ p(x,y)(বা বরং, p(x|y)এবং p(y)) শিখেন ।
  • ভবিষ্যদ্বাণীমূলক বিতরণ p(y|x)বায়েসের বিধি দ্বারা প্রাপ্ত করা যেতে পারে।

যদিও খুব দরকারী, এই সংকীর্ণ সংজ্ঞাটি তদারকি করা সেটিংটি ধরে নিয়েছে এবং নিরীক্ষণযোগ্য বা অর্ধ-তত্ত্বাবধানের পদ্ধতিগুলি পরীক্ষা করার সময় কম কার্যকর হয়। এছাড়া গভীর সৃজক মডেলিং জন্য অনেক সমসাময়িক পন্থা প্রযোজ্য নয় । উদাহরণস্বরূপ, এখন আমাদের অন্তর্ভুক্ত জেনারেটরি মডেল রয়েছে, যেমন জেনারেটাল অ্যাডভারসিয়াল নেটওয়ার্কস (জিএনএস), যা নমুনা-ভিত্তিক এবং সম্ভবত স্পষ্টভাবে সম্ভাব্যতা ঘনত্বকেও মডেল করে না p(x)(পরিবর্তে বৈষম্যমূলক নেটওয়ার্কের মাধ্যমে একটি বিভাজন পরিমাপ শিখছে)। তবে আমরা তাদের "জেনারেটরি মডেল" বলি কারণ সেগুলি (উচ্চ-মাত্রিক [10]) নমুনা তৈরি করতে ব্যবহৃত হয়।

একটি বিস্তৃত এবং আরও মৌলিক সংজ্ঞা [2] এই সাধারণ প্রশ্নের পক্ষে সমানভাবে উপযুক্ত বলে মনে হচ্ছে:

• বৈষম্যমূলক মডেলগুলি ক্লাসগুলির মধ্যে সীমানা শিখে ফেলে।
  • তাই তারা করতে পারেন বৈষম্য তথ্য দৃষ্টান্ত বিভিন্ন ধরণের মধ্যে।
• জেনারেটাল মডেলগুলি ডেটা বিতরণ শিখেন।
  • সুতরাং তারা নতুন ডেটা উদাহরণ তৈরি করতে পারে ।

চিত্র উত্স

---

পুরো বিষয়টা বিস্তারিত বিবেচনা

তা সত্ত্বেও, এই প্রশ্নটি কিছুটা মিথ্যা দ্বিবিজ্ঞান বোঝায় [3]। উত্পাদক-বৈষম্যমূলক "ডিকোটোমি" আসলে একটি বর্ণালী যা আপনি এমনকি সহজেই [4] এর মধ্যে বিভক্ত করতে পারেন।

ফলস্বরূপ, এই পার্থক্যটি নির্বিচারে এবং বিভ্রান্ত হয়ে যায়, বিশেষত যখন অনেক জনপ্রিয় মডেল ঝরঝরে করে একটি বা অন্যের মধ্যে পড়ে না [5,6], বা বাস্তবে সংকর মডেলগুলি (শ্রেণিবদ্ধ "বৈষম্যমূলক" এবং "জেনারেটরি" মডেলগুলির সংমিশ্রণ) when ।

তবুও এটি এখনও তৈরি করা অত্যন্ত কার্যকর এবং সাধারণ পার্থক্য। আমরা জেনারেটরিয়াল এবং বৈষম্যমূলক মডেলগুলির কিছু স্পষ্ট-কাট উদাহরণগুলি তালিকাভুক্ত করতে পারি, প্রচলিত এবং সাম্প্রতিক উভয় ক্ষেত্রে:

• জেনারেটরি: নাইভ বেইস, সুপ্ত ডিরিচলেট বরাদ্দ (এলডিএ), জেনারেটাল অ্যাডভারসিয়াল নেটওয়ার্কস (জিএএন), ভেরিয়াল অটোনকোডার্স (ভিএই), প্রবাহকে স্বাভাবিক করে তোলে।
• বৈষম্যমূলক: সমর্থন ভেক্টর মেশিন (এসভিএম), লজিস্টিক রিগ্রেশন, বেশিরভাগ গভীর নিউরাল নেটওয়ার্ক।

জেনারেটরি-ভেস্টিভেটিভ ডিভাইড [7] এবং বর্ণালী [৪,৮] এবং এমনকি বৈষম্যমূলক মডেলগুলিকে জেনারেটরি মডেলগুলিতে রূপান্তর করার জন্য আরও আকর্ষণীয় কাজ রয়েছে [9]।

শেষ পর্যন্ত, সংজ্ঞাগুলি ক্রমাগতভাবে বিকশিত হচ্ছে, বিশেষত এই দ্রুত বর্ধমান ক্ষেত্রগুলিতে :) এগুলিকে এক চিমটি লবণের সাথে নেওয়া ভাল এবং এমনকি নিজের এবং অন্যদের জন্য এগুলি পুনরায় সংজ্ঞায়িত করা ভাল।

---

সোর্স

1. সম্ভবত "মেশিন লার্নিং - বৈষম্যমূলক এবং জেনারেটরি" (টনি জেবারা, 2004) থেকে উদ্ভূত।
2. গুগলের মাধ্যমে মেশিন লার্নিংয়ে ক্রাশ কোর্স
3. উত্পাদক-বৈষম্যমূলক মিথ্যা
4. "প্রজন্মের ও বৈষম্যমূলক মডেলগুলির মূলত হাইব্রিডস" (লাসেরে এট আল।, 2006)
5. @ শিমাওর প্রশ্ন
6. বিনু জসিমের উত্তর
7. লজিস্টিক রিগ্রেশন এবং নিষ্পাপ বায়েসের তুলনা করা:
   • cs.cmu.edu/~tom/mlbook/NBayesLogReg.pdf
   • "বৈষম্যমূলক বনাম জেনারেটরি শ্রেণিবদ্ধসমূহে"
   • "বৈষম্যমূলক বনাম জেনারেটরি ক্লাসিফায়ারগুলিতে" মন্তব্য করুন
8. https://www.microsoft.com/en-us/research/wp-content/uploads/2016/04/DengJaitly2015-ch1-2.pdf
9. "আপনার শ্রেণিবদ্ধকারী গোপনে একটি শক্তি ভিত্তিক মডেল" (গ্রাথউহল এট আল।, 2019)
10. স্ট্যানফোর্ড সিএস 236 নোট : প্রযুক্তিগতভাবে, একটি সম্ভাব্য বৈষম্যমূলক মডেল হ'ল ডেটাগুলিতে শর্তযুক্ত লেবেলের একটি জেনারেটরি মডেল। তবে জেনারেটরি মডেল শব্দটি সাধারণত উচ্চ মাত্রিক ডেটার জন্য সংরক্ষিত থাকে।

Comments

এটিতে আরও বেশি অগ্রাধিকার দেওয়া উচিত। আপনার পাওয়া একমাত্র উত্তর যা আমি পেয়েছি "ভুয়া দ্বৈতত্ত্ব" ধারণাকে স্পর্শ করেছে। আমার প্রশ্নের ওস এটির

— অ্যান্টোনিও লুইস

Answer 10

পূর্ববর্তী সমস্ত উত্তর দুর্দান্ত, এবং আমি আরও একটি পয়েন্ট প্লাগ করতে চাই।

জেনারেটরি অ্যালগরিদম মডেলগুলি থেকে, আমরা কোনও বিতরণ পেতে পারি; যদিও আমরা বৈষম্যমূলক অ্যালগরিদম মডেলগুলি (বা আমরা বলতে পারি যে তারা কেবল Y এর লেবেলকে বৈষম্যমূলক করার জন্য দরকারী) থেকে শর্তাধীন বিতরণ পি (ওয়াই | এক্স) পেতে পারি, এবং এ কারণেই এটিকে বৈষম্যমূলক মডেল বলা হয়। বৈষম্যমূলক মডেল ধরে নেয় না যে X এর ওয়াই ($ X_i \ পের্প এক্স _ {- i} | ওয়াই $) প্রদত্ত স্বাধীন এবং সুতরাং শর্তসাপেক্ষে বিতরণ গণনার জন্য সাধারণত আরও শক্তিশালী।

Answer 11

আমার দুটি সেন্ট: বৈষম্যমূলক দৃষ্টিভঙ্গি পার্থক্যগুলিকে হাইলাইট করে জেনেরেটিক পদ্ধতিগুলি পার্থক্যের দিকে মনোযোগ দেয় না; তারা এমন একটি মডেল তৈরি করার চেষ্টা করে যা শ্রেণীর প্রতিনিধি। দুজনের মধ্যে ওভারল্যাপ রয়েছে। আদর্শভাবে উভয় পন্থা ব্যবহার করা উচিত: একটির মিল খুঁজে পেতে দরকারী এবং অন্যটি ডিস-মিলগুলি খুঁজে পেতে দরকারী।

Answer 12

একটি জেনারেটর অ্যালগরিদম মডেল প্রশিক্ষণের ডেটা থেকে সম্পূর্ণ শিখবে এবং প্রতিক্রিয়ার পূর্বাভাস দেবে।

একটি বৈষম্যমূলক অ্যালগরিদম কাজ কেবলমাত্র 2 টি ফলাফলের মধ্যে শ্রেণিবদ্ধ করা বা আলাদা করা ate

Comments

আমি যা পাই তা জেনারেটাল মডেলটি তদারকি করা শিক্ষার উপর ভিত্তি করে বৈষম্যমূলক মডেলটি নিরীক্ষণযোগ্য শিক্ষার উপর ভিত্তি করে তৈরি করা হয়। আমি কি সঠিক?

— ওয়াসিম আহমেদ না

@ ওয়াসিমআহমাদ নাemম প্রকারের, তবে তা নয়। y সর্বদা লক্ষ্য, এবং ইনপুট ডেটার অংশ হিসাবে প্রয়োজনীয়, তাই উভয় তত্ত্বাবধান করা হয়। জেনারেটরিটি আপত্তিহীন বলে মনে হচ্ছে কারণ প্রথম পদক্ষেপটি সম্পূর্ণ বিতরণ (সমস্ত ক্ষেত্রে, y কে বিশেষ হিসাবে বিবেচনা না করে) পাওয়া। আপনি যদি সেখানে থামেন এবং y কে বিশেষ হিসাবে বিবেচনা করেন না তবে সেই অংশটি নিজেই নিরীক্ষণ।

— মিচ

@ মিচ আমি কি আপনাকে উভয়ের পার্থক্যের জন্য কিছু কাগজ / নোট / লিঙ্ক ভাগ করতে বলতে পারি? আসলে আমি এই ধারণাটি নিয়ে কিছুটা বিভ্রান্ত। অগ্রিম ধন্যবাদ

— ওয়াসিম আহমেদ না

@ ওয়াসেমআহমাদনীম ক্রস ভ্যালিডেটেড.এসই (পরিসংখ্যান / এমএল এসই সাইট) বায়েশিয়ার প্রসঙ্গে বৈষম্যমূলক বা জেনারেটভ বনাম বৈষম্যমূলক মডেলগুলিতে অনুসন্ধান করুন । প্রাথমিক উদাহরণগুলি নাইভ বেইস উত্পাদনশীল, লজিস্টিক রিগ্রেশন বৈষম্যমূলক। উভয়ের আরও উদাহরণ ।

— মিচ

Answer 13

এই নিবন্ধটি ধারণাটি বুঝতে আমাকে অনেক সাহায্য করেছে।

সংক্ষেপে,

• উভয়ই সম্ভাব্য মডেল, যার অর্থ তারা দুজনই অজানা তথ্যের জন্য ক্লাস গণনা করার জন্য সম্ভাব্যতা ( শর্তসাপেক্ষ সম্ভাবনা, সুনির্দিষ্ট হতে ) ব্যবহার করে।
• জেনারেটরি ক্লাসিফায়াররা ডেটা সেটটিতে জয়েন্ট পিডিএফ এবং বয়েস উপপাদ প্রয়োগ করে এবং সেগুলি থেকে মানগুলি ব্যবহার করে শর্তাধীন সম্ভাবনা গণনা করে।
• বৈষম্যমূলক শ্রেণিবদ্ধকারীরা ডেটা সেটে সরাসরি শর্তসাপেক্ষ সম্ভাবনা খুঁজে পান

কিছু ভাল পড়ার উপাদান: শর্তাধীন সম্ভাবনা , জয়েন্ট পিডিএফ