Professional Documents
Culture Documents
PRML Slides Hun1
PRML Slides Hun1
AZ ALAKFELISMERÉS
ÉS GÉPI TANULÁS ELEMEI
BEVEZETÉS
Példa
Marginális valószínűség
Összeg szabály
Szorzat szabály
A valószínűségszámítás szabályai
Összeg szabály
Szorzat szabály
Bayes tétel
Likelihood függvény
(Log) Likelihood függvény maximalizálása
A és becslések tulajdonságai
Sztochasztikus görbeillesztés
Maximum Likelihood
Gauss sűrűségek
magas dimenzióban
Döntéselmélet
Következtetés
Határozzuk meg -t vagy -t.
Döntés
Adott x esetén határozzuk meg az optimális t-t.
Minimális téves osztályozási arány
Minimális várható veszteség
Példa: osztályozzunk orvosi képeket mint rákos (cancer) vagy
normális (normal)
Döntés
Igazság
Minimális várható veszteség
Döntés
Adott x esetén találjunk y(x)
optimális előrejelzést t-re.
Veszteségfüggvény:
Négyzetes veszteségfüggvény
Generatív vagy diszkriminatív
Generatív megközelítés:
Modell
Használjuk a Bayes tételt
Diszkriminatív megközelítés:
Modellezzük -t közvetlenül
Entrópia
Amely esetben
Feltételes entrópia
Kullback-Leibler divergencia
Kölcsönös információ