有条件的概率作为张量?
-
16-10-2019 - |
题
查看条件概率(例如表格)是否合适:
p(a | c)
p(a | c,d)
p(a,b | c,d)
...等等,作为张力?
如果是这样,有人知道是否有一个体面的介绍性文本(在线教程,研讨会论文,书等)为计算机科学家/机器学习从业者开发张量吗?
我发现了许多论文,但是那些写入门级的论文是为物理学家编写的,为计算机科学家编写的论文是相当先进的。
解决方案
这绝对是可能的,尽管张量当然具有某些其他结构(约束)。
如果您考虑为分类预测器上的分类响应$ y $定义的以下条件定义,$ x_i $:
$ p(y | x_1, ldots,x_n)$
这对应于大小$ d_0 cdot d_1 cdot ldots cdot d_n $的条件概率张量。在这里,$ y $(作为一个分类响应)需要$ d_0 $级别。
最重要的是,张量的元素每个都是无负的。
您可以找到有关此论文的论文,例如“ Yang and Dunson的“贝叶斯有条件张量”因素化,用于高维分类”(PDF,Arxiv).
当然,如果相关的随机变量不是分类变量,而是连续的随机变量或采用无限数量的值(或两者兼有),则映射到有限张量不会那么微不足道。您需要像无限张量之类的东西(作为无限矩阵的扩展)。
不隶属于 cs.stackexchange