Skip to content

(09.05) W07_L06 Inference Question on B. Networks

Jump to bottom
elecsoul edited this page Sep 10, 2018 · 1 revision

https://www.youtube.com/watch?v=frw8rxhfv8M

대하(2018.09.05):
거의 처음으로 처음 올리는 것 같다 ㅎㅎ

이번 시간에는 Bayesian network의 inference question을 예제 형식으로 다뤄보았다.

Q2. Conditional probability

  • P(Y|x_v)=sigma_z{ P(Y,Z=z|x_v) }
  • 위 수식이 제일 중요한 부분이다. 왜냐하면 위 식은 ML method로 모델링 되어있고, 그 뜻은 우리가 원하는 category의 확률을 최대화하는 방향의 model을 모델링 하겠다는 뜻이다.
  • 그리고 sigma_z 는 지난 시간에 배웠던 marginalize out을 나타낸다.
  • Conditional probability of Y given x_v

Q3. Most probable assignment

  • 조건부를 evidence로 보고 조건부 확률을 구하고 있다.
  • Applications of a posteriori는 크게 두 종류로 나뉘고, 아래와 같이 생각해 볼 수 있다.
  • Prediction: learning model의 discriminative characteristic
  • Diagnosis: learning model의 generative characteristic

<수식연습중>

\newcommand{\foo}{Foo}

승관(2018.09.05):

  1. Xv : Evidence random veriable
  2. Xh : Hidden veriable

  • y : 관측이 안됐지만 관심이 있다

  • z : 관측도 안됐지만 관심도 없다

  • 병이나 기계를 진단하거나 할때 Baysican network의 Diagnosis나 Prediction을 활용 가능하다.

성빈(2018.09.05): 히든베리어블은 두가지 케이스로 나눠지는데
하나는 관심있는 베리어블 하나는 관심없는 베리어블로 나눠진다\

일부 조인트에 대해 구하는방법을 응용하여 컨디셔널도 알아낼 수 있다.\

다음은 증거상황들이 관측이 되었을때 가장 말이되는 assignment는 무엇일까에 대한 내용이었다.
처음은 prediction 즉 도둑/지진이 일어났을때 알람이 울릴지 안울릴지 예측하는것
두번째는 알람이 울렸다면 도둑/지진이 일어났는지에 대해 분석하는것? 인거같다...

민규(2018.09.05):
이번 시간에는 2가지 inference question을 배웠다.
먼저, conditional probability는 어떤 관측되지 않은 히든 변수에 대해서 관측된 값으로 추정하는 것이다.
식은 P(Y|x_v)와 같은 조건부 확률이 될 수 있다. 이 형태는 supervised learning의 식과 동일하다.
이 때 히든 변수에서 관심 있는 변수 Y와 관심 없는 변수 Z로 나뉘게 되는데 우리가 관측하고 싶은 Y에 대해서
추정할 때 joint 확률로 나타내기 위해 Z를 도입하지만 marginalize를 통해 사실상 Z에 대한 확률 고려하지 않도록 한다.
다음은 most probable assignment이며 우리가 추정하고자 하는 값을 maximize하는 방식이다.
Prediction는 어떤 관측치를 통해서 결과를 추정하는 방식이고, diagnosis는 어떤 결과를 통해 원인을 분석하는 느낌?
뭔가 두서 없이 썼다는 것은 제대로 이해하지 못한 것 같다. 한번 더 복습을 해야할 것 같다..

진구(2018.09.05)
강의를 듣는데 딱 저번에 대하스 렉처가 생각났다 ㅋㅋ
두 가지 질문 그것은 제너레이티브와 디스크리미티브일 것이다.
여기서는 diagnosis 와 prediction이 위의 두 가지이다.
알고 있는 정보와 알지는 못하지만 관심있는 정보, 알고싶은 정보 이렇게 나눠서, 만약 given을 알고 있는 정보를 준다면, 자연스럽게 이것을 알 때 (알고싶은 정보의 경우의 수 중) 가장 확률이 높은 것은?
이렇게 된다. discrimitive model? Question?이라고 볼 수 있겠다.(MAP)
또 반대로 given을 Y로 준다면? 이 때는 약간 이렇게 되지 않을까, 이걸 받았다고 쳐보자, 그러면 B, E는 어땠을까?? generative model? Question?이라고 볼 수 있겠다.

Clone this wiki locally