私はMarkov Random Fieldsを研究しています。明らかに、MRFの推論はハード/計算コストが高いです。具体的には、Kevin Murphyの本「機械学習:確率論的視点」は、次のように述べている。マルコフランダムフィールドの推論はなぜ難しいですか?
"最初の用語では、観測値にyを固定する;これはクランプされた用語と呼ばれることもある。 アンクランプされた用語を計算するには、モデル内の推論が必要であり、これはグラジエントステップごとに1回実行する必要があることに注意してください。これにより、訓練されていないグラフィカルモデルが訓練向けのグラフィカルモデルよりも難しくなります。
なぜここで推論を行っていますか?私はすべてのyを合計していると分かりますが、これは高価ですが、私たちが実際にパラメータを推定している場所はわかりません。ウィキペディアは推論についても述べていますが、条件付き分布を計算し、すべての指定されていないノードを合計する必要があると話しています。しかし、それはここでやっていることではありません。
また、MRFの推論がなぜ難しいのですか?
出典:MLの 第19章:PP:https://www.cs.ubc.ca/~murphyk/MLbook/pml-print3-ch19.pdf
特定のセクションでは、CRFを訓練するとき、あなたはあなたのパラメータ、\theta
を推定したい