1 / 16

Bayesian Sets

Bayesian Sets. Ghahramani and Heller ’05 (@NIPS). הקדמה. על הבעיה אותה ג'אהרמאני והלר ניסו לפתור ועל הקשר של העבודה שלהם לקורס. הגדרת הבעיה. תהי קבוצה של עצמים הקלט: תת-קבוצה המסמלת "מושג" הפלט: השלמה של עם עצמים מ- השייכים לאותו ה"מושג". דוגמא.

curt
Download Presentation

Bayesian Sets

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Bayesian Sets Ghahramani and Heller ’05 (@NIPS)

  2. הקדמה • על הבעיה אותה ג'אהרמאני והלר ניסו לפתור • ועל הקשר של העבודה שלהם לקורס רון בגליטר 2008

  3. הגדרת הבעיה • תהי קבוצה של עצמים • הקלט: תת-קבוצה המסמלת "מושג" • הפלט: השלמה של עם עצמים מ- השייכים לאותו ה"מושג" רון בגליטר 2008

  4. דוגמא • לדוגמא תהיה אוסף של סרטים • קלט: • פלט: ? רון בגליטר 2008

  5. פתרון אפשרי • נדרג את העצמים ב: לפי "התאמתם" לקבוצה הנתונה • "ההתאמה:" • ראינו קבוצה שמייצגת "מושג" • עד כמה סביר ש- יהיה שייך לאותו המושג רון בגליטר 2008

  6. דירוג עצמים • מדד הדירוג: • או לחילופין: רון בגליטר 2008

  7. המשמעות של המדד • נניח: עצמים ב"מושג" מוגרלים באופן I.I.D. מ- • המדד הוא השוואה בין המודלים: רון בגליטר 2008

  8. אלגוריתם: Bayesian Sets • רקע: • קבוצה • מודל פרמטרי ו-prior • קלט: שאילתא • לכל חשב את • פלט: סדר יורד על לפי תוצאות המדד רון בגליטר 2008

  9. חישוב המדד מכנה: מונה: מניחים אי תלות: רון בגליטר 2008

  10. מודל פרמטרי: ברנולי • העצמים הם ווקטורים בינאריים: • לכל קורדינטה נתאים מטבע ברנולי • התפלגות ברנולי: • ה-prior הוא: • Prior על : רון בגליטר 2008

  11. נוסחא סגורה ל-score(x) • הצבה של הערכים ופישוט הנוסחא נותן: וקטור בינארי לכל קורדינטה משערך מטבע ניפרד קורדינטה j-ית של הוקטור רון בגליטר 2008

  12. נוסחא סגורה ל-score(x) (המשך) • אפשר להמשיך ע"י לקיחת לוגריתם: כאשר, רון בגליטר 2008

  13. הקוד של Bayesian Sets function s = r_bsets(X,query,alpha,beta) %matlab code M = length(query); Dc = X(:, query); c = sum(log(alpha+beta)-log(alpha+beta+M) + log(beta+M-sum(Dc,2)) - log(beta)); q = log(alpha+sum(Dc,2))-log(alpha) - log(beta+M-sum(Dc,2)) + log(beta); s = c + q‘ * X; רון בגליטר 2008

  14. דוגמא אמפירית: המלצות סרטים • נעבוד עם נתוני אתר המלצת הסרטים MovieLens • 1700~ סרטים • 950~ מדרגים (כ"א דירג לפחות 20 סרטים) • הדירוג = ציון 1-5 • וקטור מציין סרט • תכונית מציינת דירוג של המדרג ה-i, הערך 1 אם הדירוג גדול מ:3, אחרת אפס • נזכיר: יש לנו משערך לכל תכונית (כלומר 950 משערכים) רון בגליטר 2008

  15. דוגמאת הרצה • Hands-on • קוד התוכנית + הנתונים מצורפים רון בגליטר 2008

  16. סיכום • ראינו שימוש של שיטות בייסיאניות לאיחזור מידע: • הגדרנו את הבעיה כבעיית "אי-תלות" • השתמשנו במודל הסתברות פרמטרי • השוואת סבירות מודל (מבנה) פתרה את אי-התלות • שימוש במודל פרמטרי מתאים = מימוש יעיל • הבחירות היו פשוטות • קשה להעריך את התוצאות באופן אובייקטיבי • אבל הן "נראות" סבירות רון בגליטר 2008

More Related