728x90
반응형
생성 모델링이란?
- 확률 모델(probabilistic model)의 관점으로 보면 생성 모델은 데이터셋을 생성하는 기법을 기술한 것이다.
- 이 모델에서 샘플링(sampling)하면 새로운 데이터를 생성할 수 있다.
생성 모델링과 판별 모델링
- 판별 모델링을 수행할 때는 훈련 데이터의 각 샘플이 레이블(label)을 가져야 한다.
- 판별 모델링은 지도 학습(supervised learning)이라고 부른다.
- 생성 모델링은 레이블이 없는 데이터셋에서 수행한다.
- 생성 모델링은 비지도 학습(unsupervised learning)이다.
- 개별 클래스의 샘플을 생성하는 방법을 학습하기 위해 레이블을 가진 데이터셋에도 적용될 수 있다.
수학적인 생성 모델링과 판별 모델링의 차이점
판별 모델링
- 판별 모델링은 샘플 x가 주어졌을 때 레이블 y의 확률 p(y|x)을 추정(estimation)한다.
- 샘플 x가 범주(category) y에 속할 확률을 추정
생성 모델링
- 샘플 x의 관측 확률 p(x)를 추정한다.
- 데이터셋이 레이블을 가지고 있다면 확률 p(x|y)를 추정하는 생성 모델을 만들 수도 있다.
- 샘플을 발견할 확률을 추정
머신러닝의 발전
- 판별 모델링의 발전은 잘 알려준 분류 작업에 대해 성능을 측정해 현존하는 방법론을 결정할 수 있기 떄문에 측정하기 쉽다.
- 생성 모델은 출력의 품질이 대부분 주관적이라 평가하기 특히 더 어렵다.
생성 모델의 등장
- 생성 모델링을 실용적으로 사용하는 것 외에도 생성 모델을 아주 복잡한 인공지능 문제를 푸는 열쇠로 생각하는 세 가지 이유
- 순전히 이론적인 관점에서 데이터를 잘 분류하는 것뿐만 아니라 먼저 데이터가 생성된 방법을 완전히 이해해야 한다.
- 생성 모델은 강화학습(reinforcement learning) 같은 다른 머신러닝 분야의 향후 발전을 주도적으로 이끌 가능성이 높다.
- 인간과 견줄만한 지능을 보유한 머신(machine)을 진짜 만든다면 생성 모델이 확실히 그 솔루션의 일부가 되어야 한다.
http://www.yes24.com/Product/Goods/81538614?OzSrank=1
728x90
반응형
최근댓글