Depende de lo que quieras decir con “calcular”, en realidad, no necesariamente el significado de la palabra, sino el contexto que la rodea. Por ejemplo, suponga que está tratando de calcular una probabilidad conjunta de datos con muchas dimensiones / variables. La mayoría de las veces en casos como este, los condicionales son mucho más fáciles de trabajar, ya que reducen implícitamente la dimensión (porque estás condicionando). También pueden reducir el tamaño efectivo de la muestra para cada condicional (por la misma razón), pero a menudo aún es más fácil trabajar con condicionales. (Los marginales también se usan en este caso, pero a menos que las variables en su conjunto de datos sean independientes, simplemente no puede pasar de un marginal a una articulación sin otra información. Si bien necesita tanto marginales como condicionales para obtener la articulación, en la mayoría de los casos este último será más útil).
Por otro lado, suponga que sabe (de alguna manera) la distribución exacta de los datos. (Es decir, todo lo que podría estar bajo estudio. Un oráculo te lo describió, o algo así. Sé que esto es poco probable, pero muestra que el contexto es importante. O tal vez estás trabajando en un problema teórico, que puede ser instructivo e incluso aplicable al análisis de datos reales.) Si tuviera que elegir entre obtener la distribución conjunta o la distribución condicional, naturalmente elegiría la unión, ya que toda la información está contenida en ella. Puede ser un dolor obtener los marginales y condicionales (especialmente si la articulación no es miembro de, por ejemplo, una familia exponencial), pero es posible.
Sin embargo, en la vida real, a menudo es más fácil trabajar con los condicionales. A menudo son más fáciles de describir / calcular, y si, por ejemplo, usa un clasificador discriminatorio (en una tarea de clasificación), ni siquiera necesita conocer la articulación. Un clasificador generativo puede ser “mejor” en muchos sentidos (observo que el lenguaje del enlace es bayesiano, tanto el frecuentismo como el bayesianismo tienen sus puntos), pero los clasificadores discriminativos también son útiles.
- ¿Cuáles son algunas implementaciones de SGD distribuidas?
- Según muchas personas, la inteligencia artificial y el aprendizaje automático son las principales razones de los despidos de trabajo de TI. ¿Qué trabajos han sido reemplazados por estas disciplinas?
- ¿Cuáles son las futuras áreas de investigación del aprendizaje automático y el reconocimiento de patrones para comenzar el doctorado y necesito algunas cosas buenas relacionadas con eso? como tesis doctorales y papel para estudiar?
- Cómo decidir el tema de mi interés de investigación para obtener un doctorado en visión artificial y aprendizaje automático
- ¿Cuáles son algunas de las investigaciones más alucinantes jamás realizadas o en curso en el aprendizaje automático estadístico?