Bayesyen Üretken Model
Üretken modeller (generative models), makine öğrenimi ve hesaplamalı istatistik alanlarında sıklıkla sınıflandırma işlemleri için kullanılan bir model sınıfıdır. Bu modeller, temel olarak girdi ve çıktıların ortak dağılımını (joint distribution) yani $P(X,Y)$ değerini modellemektedir. Alternatif olarak, girdilerin her bir sınıf içinde nasıl dağıldığını ifade eden $P(X|Y)$ olasılığı ile bir sınıf önseli olan $P(Y)$ değerinin birleşimini kullanarak çalışırlar.
Üretken modellerin en temel özelliği, veriyi oluşturan tüm süreci tanımlamalarıdır. Bu kapsamlı modelleme sayesinde, sistem gözlemlenen verilere benzeyen yeni örnekler oluşturabilir; bu işleme sentetik veri üretimi denir. Bu özellikleri nedeniyle üretken modeller; yoğunluk tahmini (density estimation), simülasyon ve eksik veya kısmen etiketlenmiş verilerle öğrenme süreçlerinde yaygın olarak kullanılır.
Sınıflandırma görevlerinde üretken modeller, $P(X|Y)$ ve $P(Y)$ değerlerini birleştirerek Bayes kuralını uygular ve bu sayede etiketleri tahmin ederler. Bu yaklaşım, girdilerden doğrudan çıktıları tahmin etmeye odaklanan ayırt edici (discriminative) modellerle genellikle karşılaştırılır.
Ortak olasılık dağılımı kullanarak çözüm üreten üretken model yaklaşımlarına şu örnekler verilebilir:
- Naive Bayes sınıflandırıcıları
- Gauss karışım modelleri (Gaussian mixture models)
- Varyasyonel otokodlayıcılar (Variational autoencoders)
- Üretken çembersel ağlar (Generative adversarial networks)
Görsel Kaynağı: Wikimedia Commons