Распространение ожиданий
Распространение ожиданий (EP) — это метод байесовского машинного обучения . [1]
EP находит приближения к распределению вероятностей . [1] Он использует итеративный подход, который использует структуру факторизации целевого распределения. [1] Он отличается от других подходов байесовской аппроксимации, таких как вариационные байесовские методы . [1]
Более конкретно, предположим, что мы хотим аппроксимировать трудноразрешимое распределение вероятностей. с гибким распределением . Распространение ожиданий достигает этого приближения за счет минимизации расхождения Кульбака-Лейблера. . [1] Вариационные байесовские методы минимизируют вместо. [1]
Если является гауссовым , затем минимизируется с помощью и быть равным среднему значению и ковариация , соответственно; это называется согласованием моментов . [1]
Приложения
[ редактировать ]Распространение ожиданий посредством сопоставления моментов играет жизненно важную роль в аппроксимации индикаторных функций , которые появляются при выводе уравнений передачи сообщений для TrueSkill .
Ссылки
[ редактировать ]- ^ Jump up to: а б с д и ж г Бишоп, Кристофер (2007). Распознавание образов и машинное обучение . Нью-Йорк: Springer-Verlag New York Inc. ISBN 978-0387310732 .
- Томас Минка (2–5 августа 2001 г.). «Распространение ожиданий для приблизительного байесовского вывода». В Джеке С. Бризе, Дафне Коллер (ред.). UAI '01: Материалы 17-й конференции по неопределенности в искусственном интеллекте (PDF) . Вашингтонский университет, Сиэтл, Вашингтон, США. стр. 362–369.
{{cite book}}
: CS1 maint: отсутствует местоположение издателя ( ссылка )