Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

**Байесовский вывод** (англ. *Bayesian inference*) — это метод [[Статистический вывод|статистического вывода]], в котором [[Теорема Байеса|теорема Байеса]] используется для обновления вероятности гипотезы по мере поступления новых данных. В отличие от [[Частотный подход|частотного подхода]], байесовский вывод рассматривает неизвестные параметры как [[Случайная величина|случайные величины]] с распределением вероятностей, а не как фиксированные, но неизвестные константы. Байесовский вывод — это, по сути, **процесс обновления убеждений** (belief updating), а не просто набор конкретных алгоритмов. Байесовские методы (например, [[Наивный байесовский классификатор|наивный байесовский классификатор]], [[Гауссовский процесс|гауссовские процессы]]) являются *реализациями* этого процесса для решения конкретных задач машинного обучения. Байесовский подход предоставляет естественный язык для работы с неопределённостью, что делает его особенно ценным в [[Машинное обучение|машинном обучении]] (ML) для задач, где важна не только точечная оценка, но и уверенность в прогнозе. {{TOCright}} == Основы байесовского вывода == === Теорема Байеса === В основе байесовского вывода лежит [[Теорема Байеса|теорема Байеса]], которая в контексте вывода параметров модели записывается следующим образом: <tex> p(\theta \mid D) = \frac{p(D \mid \theta) \, p(\theta)}{p(D)} </tex> где: * <tex>\theta</tex> — вектор неизвестных параметров модели; * <tex>D</tex> — наблюдаемые данные (обучающая выборка); * <tex>p(\theta)</tex> — **априорное распределение** (англ. *prior distribution*), отражающее наши предположения о параметрах до наблюдения данных; * <tex>p(D \mid \theta)</tex> — **функция правдоподобия** (англ. *likelihood*), которая оценивает, насколько вероятны наблюдаемые данные при заданных параметрах <tex>\theta</tex>; * <tex>p(\theta \mid D)</tex> — **апостериорное распределение** (англ. *posterior distribution*), обновлённое распределение параметров после учёта данных; * <tex>p(D) = \int p(D \mid \theta) p(\theta) \, d\theta</tex> — **маргинальное правдоподобие** (англ. *marginal likelihood*), или [[Свидетельство (байесовский вывод)|свидетельство]] (evidence), играющее роль нормировочной константы. Апостериорное распределение <tex>p(\theta \mid D)</tex> — это главный объект байесовского вывода. Оно объединяет априорную информацию и информацию из данных, давая полное вероятностное описание неопределённости относительно параметров модели. === От вывода к прогнозу === Для предсказания нового наблюдения <tex>x^*</tex> используется **апостериорное предсказательное распределение** (англ. *posterior predictive distribution*): <tex> p(y^* \mid x^*, D) = \int p(y^* \mid x^*, \theta) \, p(\theta \mid D) \, d\theta </tex> Это распределение усредняет прогнозы по всем возможным значениям параметров, взвешенным по их апостериорной вероятности, что автоматически даёт интервалы неопределённости прогноза. == Ключевые понятия == === Априорное распределение === Априорное распределение <tex>p(\theta)</tex> кодирует наши знания о параметрах *до* наблюдения данных. Выбор априорного распределения — один из центральных и наиболее обсуждаемых аспектов байесовского подхода. Различают: * **Информативные априорные распределения** (англ. *informative priors*) — отражают конкретные содержательные предположения, основанные на экспертных знаниях или предыдущих исследованиях. * **Слабые или неинформативные априорные распределения** (англ. *weakly informative / non-informative priors*) — оказывают минимальное влияние на апостериорное распределение, позволяя данным «говорить самим за себя». * **Сопряжённые априорные распределения** (англ. *conjugate priors*) — обладают свойством, что апостериорное распределение принадлежит тому же семейству распределений, что и априорное. Это даёт аналитическое решение для апостериорного распределения, что значительно упрощает вычисления. Например, для [[Биномиальное распределение|биномиального]] правдоподобия сопряжённым априорным является [[Бета-распределение|бета-распределение]], а для [[Нормальное распределение|нормального]] — нормальное же. === Функция правдоподобия === Функция правдоподобия <tex>p(D \mid \theta)</tex> связывает параметры модели с данными. Выбор правдоподобия определяется типом задачи и предположениями о распределении ошибок. Например, для задачи регрессии часто используют [[Нормальное распределение|нормальное]] правдоподобие <tex>p(y \mid x, \theta) = \mathcal{N}(y \mid f(x; \theta), \sigma^2)</tex>, где <tex>f(x; \theta)</tex> — функция модели, а <tex>\sigma^2</tex> — дисперсия шума. === Апостериорное распределение === Апостериорное распределение <tex>p(\theta \mid D)</tex> является результатом байесовского вывода. Оно может быть использовано для: * **Точечного оценивания** — например, [[Оценка максимума апостериорной вероятности|оценка максимума апостериорной вероятности]] (MAP, англ. *maximum a posteriori*), которая совпадает с [[Регуляризация Тихонова|L2-регуляризацией]] при нормальном априорном распределении. * **Интервального оценивания** — построения [[Доверительный интервал|кредибельных интервалов]] (англ. *credible intervals*) для параметров. * **Сравнения моделей** — через [[Байесовский фактор|байесовский фактор]] (англ. *Bayes factor*), который используется для выбора между конкурирующими моделями. == Вычислительные методы == Для многих моделей, особенно сложных, апостериорное распределение не имеет аналитического вида, и нормировочная константа <tex>p(D)</tex> оказывается [[Высокая размерность|высокомерным]] интегралом, не берущимся аналитически. В этих случаях применяются приближённые методы вывода. === Методы Монте-Карло с цепями Маркова === [[Метод Монте-Карло с цепями Маркова|Методы Монте-Карло с цепями Маркова]] (MCMC, англ. *Markov Chain Monte Carlo*) — это класс алгоритмов для семплирования из сложных распределений. MCMC строит цепь Маркова, стационарное распределение которой совпадает с целевым апостериорным распределением. После периода «прогрева» (burn-in) семплы из цепи используются для аппроксимации апостериорного распределения и вычисления различных статистик. К популярным алгоритмам MCMC относятся: * **Метод Метрополиса-Гастингса** (англ. *Metropolis-Hastings algorithm*); * **Семплирование по Гиббсу** (англ. *Gibbs sampling*); * **Гамильтонов Монте-Карло** (HMC, англ. *Hamiltonian Monte Carlo*), в частности его реализация в [[Stan|Stan]] — **NUTS** (англ. *No-U-Turn Sampler*). MCMC обеспечивает асимптотически точные результаты, но может быть вычислительно затратным для больших данных и моделей с высокой размерностью. === Вариационный вывод === [[Вариационный вывод|Вариационный вывод]] (VI, англ. *variational inference*) — это альтернативный подход, который сводит задачу аппроксимации апостериорного распределения к [[Оптимизация (математика)|оптимизации]]. Ищется параметрическое семейство распределений <tex>q(\theta; \lambda)</tex>, которое минимизирует [[Расхождение Кульбака — Лейблера|расхождение Кульбака-Лейблера]] (KL-дивергенцию) между <tex>q(\theta; \lambda)</tex> и истинным апостериорным распределением <tex>p(\theta \mid D)</tex>. Это эквивалентно максимизации **нижней границы доказательства** (ELBO, англ. *Evidence Lower BOund*). Вариационный вывод значительно быстрее MCMC и хорошо масштабируется на большие данные, однако даёт лишь приближённое решение и может недооценивать дисперсию апостериорного распределения. === Другие методы === * **Интегрирование по Лапласу** (англ. *Laplace approximation*) — аппроксимация апостериорного распределения [[Нормальное распределение|нормальным]] распределением с центром в [[Оценка максимума апостериорной вероятности|MAP-оценке]]. * **Вариационные автоэнкодеры** (VAE, англ. *Variational Autoencoders*) — используют вариационный вывод для обучения [[Генеративная модель|генеративных моделей]] с [[Скрытая переменная|скрытыми переменными]]. * **Байесовский вывод методом исключения** (англ. *Bayesian inference by elimination*) — точный, но вычислительно сложный метод для [[Вероятностная графическая модель|вероятностных графических моделей]] с небольшим числом переменных. == Применение в машинном обучении == Байесовский вывод предоставляет мощный фреймворк для решения широкого круга задач машинного обучения. === Байесовская линейная регрессия === В [[Байесовская линейная регрессия|байесовской линейной регрессии]] априорное распределение на веса модели позволяет получить апостериорное распределение весов. Это даёт не только точечный прогноз, но и его дисперсию, что критически важно для оценки надёжности предсказаний. При нормальном априорном распределении MAP-оценка совпадает с [[Гребневая регрессия|гребневой регрессией]] (ридж-регрессией). === Байесовские нейронные сети === [[Байесовская нейронная сеть|Байесовские нейронные сети]] (BNN) рассматривают веса сети как случайные величины с априорным распределением. Вывод в BNN требует аппроксимативных методов (MCMC или VI) и позволяет оценивать неопределённость прогнозов, что особенно важно в приложениях, связанных с безопасностью (медицина, автономные системы). === Гауссовские процессы === [[Гауссовский процесс|Гауссовские процессы]] (GP) — это непараметрический байесовский подход, задающий априорное распределение на пространстве функций. GP предоставляют естественный механизм для оценки неопределённости прогнозов и широко используются в [[Байесовская оптимизация|байесовской оптимизации]] и [[Пространственный анализ|пространственном анализе]]. === Байесовская оптимизация === [[Байесовская оптимизация|Байесовская оптимизация]] — это эффективный метод глобальной оптимизации [[Чёрный ящик|«чёрных ящиков»]] (функций, не имеющих аналитического вида и производной), который использует гауссовские процессы для построения [[Сюррогатная модель|суррогатной модели]] целевой функции и управления выбором следующих точек для вычисления. === Связь с регуляризацией === Существует глубокая связь между байесовским выводом и регуляризацией в ML. MAP-оценка при определённых априорных распределениях эквивалентна оптимизации с регуляризацией: * [[Регуляризация Тихонова|L2-регуляризация]] (ридж) соответствует нормальному априорному распределению на веса. * [[LASSO|L1-регуляризация]] (лассо) соответствует [[Распределение Лапласа|априорному распределению Лапласа]]. Это даёт вероятностную интерпретацию регуляризации и позволяет выбирать параметры регуляризации (например, <tex>\lambda</tex>) через иерархические байесовские модели. === Классификация === [[Наивный байесовский классификатор|Наивный байесовский классификатор]] — один из простейших и эффективных байесовских алгоритмов классификации, основанный на применении теоремы Байеса с «наивным» предположением о независимости признаков. Более сложные байесовские подходы к классификации используют априорные распределения на параметры моделей (например, [[Логистическая регрессия|логистической регрессии]]). == Преимущества и ограничения == === Преимущества === * **Естественная обработка неопределённости**: байесовский вывод предоставляет полное вероятностное описание неопределённости в параметрах и прогнозах. * **Использование априорных знаний**: позволяет включать экспертные знания или результаты предыдущих исследований в модель. * **Иерархическое моделирование**: позволяет строить сложные многоуровневые модели, учитывающие структуру данных. * **Автоматическая защита от переобучения**: априорное распределение действует как регуляризатор, особенно в задачах с малым объёмом данных. * **Байесовское сравнение моделей**: позволяет объективно сравнивать конкурирующие модели через байесовский фактор. === Ограничения === * **Вычислительная сложность**: точный байесовский вывод требует вычисления многомерных интегралов, что для многих моделей является [[NP-трудная задача|NP-трудной]] задачей. Приближённые методы (MCMC, VI) могут быть медленными или неточными. * **Выбор априорного распределения**: априорное распределение всегда субъективно, и его выбор может существенно влиять на результаты, особенно при малом объёме данных. * **Масштабируемость**: многие байесовские методы плохо масштабируются на очень большие наборы данных и модели с миллионами параметров (например, [[Глубокое обучение|глубокие нейронные сети]), хотя в последние годы достигнут значительный прогресс в этой области (стохастический вариационный вывод, байесовские нейронные сети с [[Dropout|dropout]] как аппроксимацией). * **Интерпретируемость**: хотя байесовские модели дают вероятностные интерпретации, их сложность может затруднять содержательную интерпретацию для прикладных специалистов. == Байесовский вывод vs частотный подход == | **Аспект** | **Байесовский подход** | **Частотный подход** | |---|---|---| | **Параметры** | Случайные величины с распределением | Фиксированные, но неизвестные константы | | **Неопределённость** | Вероятностная (апостериорное распределение) | Доверительные интервалы, p-значения | | **Априорная информация** | Явно включается через априорное распределение | Не используется, либо используется неявно | | **Интерпретация вероятности** | Субъективная (степень уверенности) | Объективная (частота событий в длинной серии) | | **Результат** | Апостериорное распределение параметров | Точечные оценки и доверительные интервалы | На практике выбор между подходами часто определяется не философскими предпочтениями, а соображениями вычислительной эффективности, доступностью априорной информации и требованиями к интерпретации неопределённости. == Историческая справка == История байесовского вывода берёт начало в XVIII веке и насчитывает более 150 лет до появления формального частотного подхода. * **1763 год** — Посмертная публикация работы преподобного [[Томас Байес|Томаса Байеса]] «An Essay towards solving a Problem in the Doctrine of Chances», в которой была сформулирована теорема, носящая его имя. * **1774–1786 годы** — [[Пьер-Симон Лаплас]] независимо переоткрывает и развивает теорему Байеса, формулируя «принцип обратной вероятности» (principle of inverse probability) и активно применяя байесовские методы в астрономии, геодезии и демографии. * **XIX век** — Байесовские методы широко используются, хотя термин «байесовский» ещё не применяется. [[Карл Фридрих Гаусс]] и [[Адриен-Мари Лежандр]] разрабатывают метод наименьших квадратов, который позже получил байесовскую интерпретацию. * **Начало XX века** — С развитием [[Рональд Фишер|фишеровской]] частотной статистики байесовский подход вытесняется на периферию. Фишер вводит понятие [[Максимальное правдоподобие|максимального правдоподобия]], которое становится доминирующим. * **Середина XX века** — Возрождение байесовского подхода связано с работами [[Бруно де Финетти|Бруно де Финетти]], [[Леонард Сэвидж|Леонарда Сэвиджа]] и [[Деннис Линдли|Денниса Линдли]], которые разработали аксиоматические основания субъективной вероятности и байесовского принятия решений. * **Конец XX – начало XXI века** — Развитие вычислительных методов (MCMC, вариационный вывод) и рост вычислительных мощностей сделали байесовский вывод практически применимым для сложных моделей. Байесовские методы становятся неотъемлемой частью современного машинного обучения. == См. также == * [[Теорема Байеса]] * [[Априорное распределение]] * [[Апостериорное распределение]] * [[Метод Монте-Карло с цепями Маркова]] * [[Вариационный вывод]] * [[Гауссовский процесс]] * [[Байесовская оптимизация]] * [[Наивный байесовский классификатор]] * [[Байесовская нейронная сеть]] * [[Регуляризация]] == Примечания == {{примечания}} == Литература == * {{книга |автор=Gelman A., Carlin J. B., Stern H. S., Dunson D. B., Vehtari A., Rubin D. B. |заглавие=Bayesian Data Analysis |издание=3rd ed. |место=Boca Raton |издательство=Chapman & Hall/CRC |год=2013 |allpages=675 |isbn=978-1-4398-4095-5}} — Фундаментальный учебник по байесовскому анализу данных. * {{книга |автор=Murphy K. P. |заглавие=Machine Learning: A Probabilistic Perspective |место=Cambridge, MA |издательство=MIT Press |год=2012 |allpages=1072 |isbn=978-0-262-01802-9}} — Исчерпывающий обзор машинного обучения с вероятностной точки зрения. * {{книга |автор=Bishop C. M. |заглавие=Pattern Recognition and Machine Learning |место=New York |издательство=Springer |год=2006 |allpages=738 |isbn=978-0-387-31073-2}} — Классический учебник, содержащий обширный раздел по байесовским методам. * {{книга |автор=MacKay D. J. C. |заглавие=Information Theory, Inference, and Learning Algorithms |место=Cambridge |издательство=Cambridge University Press |год=2003 |allpages=640 |isbn=978-0-521-64298-9}} — Уникальный учебник, связывающий теорию информации, байесовский вывод и обучение. * {{статья |автор=Kruschke J. K. |заглавие=Bayesian estimation supersedes the t test |издание=Journal of Experimental Psychology: General |год=2013 |том=142 |номер=2 |страницы=573–603 |doi=10.1037/a0029146}} — Практическое введение в байесовское оценивание для психологов и социологов. * {{книга |автор=Theodoridis S. |заглавие=Machine Learning: A Bayesian and Optimization Perspective |место=London |издательство=Academic Press |год=2020 |allpages=1200 |isbn=978-0-12-801522-3}} — Современный учебник, объединяющий байесовский и оптимизационный подходы.

Возврат к странице Байесовский вывод.