생성 프레임 워크 모델
의 두 가지 차원 모델 생성 처음부터 게임을하자. 나는도. 1-4 생성에 사용되는 규칙, 선택 X- 지점 세트. 우리는이 규칙을 호출 ρ- 데이터를. 내 도전 공간 다른 데이터 요소 X = (X1, X2)를 선택하도록하고, 동일한 규칙에 의해 생성되는 것으로 보인다.
미지의 규칙에 의해도 1-4 페이지 생성 이차원 데이터 포인트의 집합
당신은 어디를 선택 했습니까? 당신은 그것을 정신 모델을 구성하기 위해 기존의 데이터 포인트를 사용할 수 있습니다 알고 pmodel을 , 모델은 공간의 위치를 쉽게 찾을 수 있습니다. 이와 관련하여, pmodel는 인 (P) 의 데이터 추정값. 어쩌면 당신은 생각 pmodel이 그림 1-5에 표시한다 - 직사각형 박스 점에서 찾을 수 있습니다, 어떤 점에서 역외 상자를 찾을 수있는 기회가 없습니다. 새로운 관찰을 생성하려면 분포에서 더 많은 공식적으로 상자에 임의의 지점을 선택하거나 할 수 pmodel 샘플을 선택합니다. 축하합니다, 당신은 당신의 1 세대 모델을 설계했다
그림 1-5 오렌지 박스 pmodel는 실제 데이터 분포 생성 된 페이지의 데이터의 추정을
이것은 가장 복잡한 예는 아니지만,하지만 우리가 달성하려고하는 대상 모델의 이해를 생성하는 데 사용할 수 있습니다. 다음 프레임 워크는 우리의 동기를 설명한다.
모델링 프레임 워크를 생성
(1) 우리는 관측이 X의 데이터 세트를.
우리는 알 수없는 분배와 두 개의 관측에 따라 가정 , p는 데이터를 생성합니다.
3 세대 모델 pmodel 모방하려고 ρ- 데이터를. 우리가이 목표를 달성한다면, 우리는에서 수 pmodel 에서 겉으로 생성하는 샘플 페이지의 관측 데이터를 추출.
4 우리는 pmodel : 감동
경우에서 생성 된 것으로 보인다 : 규칙 1 페이지의 데이터의 추출 예.
규칙 2 : 그것은 생성 할 수 X의 적절한 다른 예에서 관찰. 즉,이 모델은 단순히 보았다 일을 복사하지 않아야합니다.
우리는 지금 분산 실제 데이터 생성 공개하자 ρ-을 데이터를, 그리고 프레임 워크는이 경우에 적용하는 방법을 참조하십시오.
우리는 그림 1-6에서 볼 수 있듯이 데이터 생성 규칙은 균등 바다에서 지점을 찾을 것이 아니라, 세계의 땅을 분배한다.
도 1-6 오렌지 박스 pmodel는 실제 데이터 분배 생성 P의 추정 데이터 (회색 영역)
물론, 우리의 모델 pmodel는 입니다 P는 데이터의 단순화. 점 A는 B와 C는 보여 pmodel에게 성공의 다양한 각도, 생성 된 세 가지 관찰 :
A 점은 규칙 모델링 프레임 워크 (1)를 생성 휴식 - 그것으로하지 보인다 페이지 가 바다에 위치하고 등의 데이터를 생성합니다.
B点非常接近数据集中的一个点，我们不应该对它们留下深刻的印象，即我们的模型可以生成这样一个点。如果模型生成的所有示例都是这样的，那么它将破坏生成建模框架的规则2。
点C可以被认为是成功的，因为它可以由pdata生成并且与原始数据集中的任何点适当地不同。
生成建模领域多种多样，问题定义可以采用多种形式。 但是，在大多数情况下，生成建模框架捕获了我们应该如何广泛地考虑解决问题。
现在让我们构建我们生成模型的第一个非常重要的例子。