แบบจำลองก่อกำเนิด

วิธีการจำแนกเชิงสถิตินั้น โดยหลักแล้วแบ่งเป็น 2 แบบได้แก่ วิธีการเชิงก่อกำเนิด (generative) และวิธีการเชิงจำแนก (discriminative) วิธีการเหล่านี้ใช้มาตรฐานในการสร้างแบบจำลองเชิงสถิติที่แตกต่างกัน อย่างไรก็ตาม วิธีการแบ่งอาจมีความแตกต่างกันไปตามแต่ละงานวิจัย เช่น Jebara (2004) harvtxt error: no target: CITEREFJebara2004 (help) ได้แบ่งออกได้เป็น 3 ประเภทดังนี้

1. แบบจำลองก่อกำเนิด (generative model) เป็นการสร้างแบบจำลองเชิงสถิติตามการแจกแจงความน่าจะเป็นร่วม ${\displaystyle P(X,Y)}$ ของตัวแปรอิสระที่สังเกตได้ X และตัวแปรเป้าหมาย Y^[1]
2. แบบจำลองจำแนก (discriminative model) เป็นการสร้างแบบจำลองเชิงสถิติตามการแจกแจงความน่าจะเป็นมีเงื่อนไขของตัวแปรเป้าหมาย Y ของค่าที่สังเกตได้ x ${\displaystyle P(Y\mid X=x)}$
3. นอกจากนี้ มาตรการจำแนกประเภทที่คำนวณโดยไม่ใช้แบบจำลองความน่าจะเป็นก็ยังเรียกอย่างรวม ๆ ว่าเป็น "เชิงจำแนก" (discriminative)

สองประเภทหลังนี้อาจไม่ได้ถูกแบ่งแยกต่างกันเสมอไป^[2] ใน Jebara (2004) harvtxt error: no target: CITEREFJebara2004 (help) เรียกแยกว่าเป็น generative learning, conditional learning และ discriminative learning แต่ใน Ng & Jordan (2002) harvtxt error: no target: CITEREFNgJordan2002 (help) ไม่ได้แยกความแตกต่างระหว่าง 2 ประเภทหลัง แต่เรียกรวมว่าเป็น generative classifier และ discriminative classifier^[3] ในทำนองเดียวกันบางครั้งก็มีการเรียกแยกโดยเรียกตัวจำแนกโดยยืนพื้นแบบจำลองก่อกำเนิดว่า generative classifier และเรียกตัวจำแนกที่ใช้แบบจำลองจำแนกเรียกว่า discriminative classifier แต่อย่างหลังยังหมายถึงตัวแยกประเภทที่ไม่ได้ขึ้นอยู่กับแบบจำลองด้วย

ตัวอย่างมาตรฐานของทั้ง 2 แบบได้แก่

• แบบจำลองก่อกำเนิด:
  • ตัวจำแนกเบส์อย่างง่าย
  • การวิเคราะห์จำแนกเชิงเส้น
• แบบจำลองจำแนก:
  • การถดถอยโลจิสติก

เมื่อนำไปใช้กับการจำแนกประเภท เป้าหมายคือการกำหนดฉลากกำกับ y (หรือการแจกแจงความน่าจะเป็นของฉลากกำกับ) จากการสังเกต x มี 3 วิธี

โดยวิธีแรกคือ ตัวจำแนกแบบไม่ใช้การแจกแจง (distribution-free classifier) คือทำคำนวณโดยตรงโดยไม่ต้องใช้การแจกแจงความน่าจะเป็น

วิธีที่สองคือแบบจำลองจำแนก (discriminative model) ซึ่งทำการคำนวณความน่าจะเป็นของป้ายกำกับจากค่าที่สังเกตได้ ${\displaystyle P(Y|X=x)}$

ส่วนวิธีที่สามคือแบบจำลองก่อกำเนิด (generative model) ซึ่งหาการแจกแจงร่วม ${\displaystyle P(X,Y)}$ แล้วจึงคำนวณความน่าจะเป็นมีเงื่อนไข ${\displaystyle P(Y|X=x)}$

เทคนิคเหล่านีมีความน่าจะเป็นมากขึ้น แม้ว่าจะเป็นทางอ้อมมากขึ้นก็ตาม และสามารถใช้ความรู้โดเมนและทฤษฎีความน่าจะเป็นได้มากขึ้น ในทางปฏิบัติ มีทางเลือกวิธีการต่าง ๆ มากมายขึ้นอยู่กับปัญหาที่พิจารณาในการใช้งานจริง และก็สามารถใช้วิธีการแบบผสมผสานที่รวมข้อดีของหลายวิธีเข้าด้วยกันได้เช่นกัน

คำนิยาม

อีกวิธีในการจำแนกแบบจำลองคือคำจำกัดความแบบสมมาตรดังต่อไปนี้

• แบบจำลองก่อกำเนิด คือแบบจำลองที่แสดงความน่าจะเป็นมีเงื่อนไขของตัวแปร X ที่สังเกตได้ เมื่อให้ค่าวัตถุเป้าหมาย y เขียนแสดงได้เป็น ${\displaystyle P(X\mid Y=y)}$^[4]
• แบบจำลองจำแนก คือแบบจำลองที่แสดงความน่าจะเป็นมีเงื่อนไขของตัวแปรเป้าหมาย Y เมื่อให้ค่าที่สังเกตได้ x เขียนแสดงได้เป็น ${\displaystyle P(Y\mid X=x)}$^[5]

แบบจำลองก่อกำเนิดใช้ค่าที่สังเกตได้และค่าวัตถุประสงค์ ${\displaystyle (x,y)}$ หรือเป็นไปได้ที่จะสร้างตัวอย่างแบบสุ่มของค่าที่สังเกตได้ x โดยให้ค่าเป้าหมาย y ในทางกลับกัน แบบจำลองจำแนก หรือตัวจำแนกแบบไม่ใช้การแจกแจง (ไม่ใช้แบบจำลอง) สามารถ ระบุค่าของตัวแปรเป้าหมาย Y เมื่อให้ค่าที่สังเกตได้ x^[4]

ความแตกต่างระหว่างคำว่า classification และ discrimination นั้นละเอียดอ่อน ทั้งคู่สามารถแปลเป็น "การจำแนก" มักใช้สลับแทนกันได้ ดังนั้น การเรียกว่า discriminative classification นั้นจึงเป็นคำซ้ำซ้อน

คำว่า "แบบจำลองก่อกำเนิด" ยังหมายถึงแบบจำลองที่สร้างอินสแตนซ์ของตัวแปรขาออกในลักษณะที่ไม่เกี่ยวข้องโดยตรงกับการแจกแจงความน่าจะเป็นของตัวอย่างที่เป็นไปได้ของตัวแปรป้อนเข้า โครงข่ายปฏิปักษ์ก่อกำเนิด เป็นตัวอย่างหนึ่งของแบบจำลองก่อกำเนิดประเภทนี้ ซึ่งพิจารณาจากความคล้ายคลึงกันของค่าขาออกหนึ่ง ๆ กับค่าป้อนเข้าที่เป็นไปได้เป็นหลัก อย่างไรก็ตาม แบบจำลองดังกล่าวนี้ไม่ใช่ตัวแยกประเภท

ความสัมพันธ์ระหว่างแบบจำลอง

ในปัญหาการจำแนกประเภท ตัวแปรที่สังเกตได้ X มักจะเป็นค่าต่อเนื่อง ตัวแปรเป้าหมาย Y โดยทั่วไปจะเป็นค่าแบบไม่ต่อเนื่อง ที่ประกอบด้วยชุดของฉลากที่มีขอบเขตจำกัด และความน่าจะเป็นมีเงื่อนไข ${\displaystyle P(Y\mid X)}$ อาจตีความได้ว่าเป็นฟังก์ชันเป้าหมาย ${\displaystyle f\colon X\to Y}$ สำหรับค่าป้อนเข้า X และค่าขาออก Y

คำจำกัดความทั้งสองของแบบจำลองก่อกำเนิดมีความสัมพันธ์กันอย่างใกล้ชิดเมื่อมีชุดป้ายกำกับที่มีขอบเขตจำกัด แบบจำลองการแจกแจงแบบมีเงื่อนไข ${\displaystyle P(X\mid Y=y)}$ แสดงถึงการแจกแจงของแต่ละฉลาก และแบบจำลองของการแจกแจงร่วมจะแสดงถึงการแจกแจงของค่าฉลาก ${\displaystyle P(Y)}$ และการแจกแจงค่าสังเกตการณ์สำหรับค่าฉลาก ${\displaystyle P(X\mid Y)}$ เขียนแสดงได้เป็น ${\displaystyle P(X,Y)=P(X\mid Y)P(Y)}$ ดังนั้นแล้ว แม้ว่าแบบจำลองของการแจกแจงความน่าจะเป็นร่วมจะมีข้อมูลมากกว่าแบบจำลองของการแจกแจงฉลากกำกับ (ซึ่งไม่รวมความถี่สัมพัทธ์ของฉลากกำกับ) ความแตกต่างนั้นค่อนข้างน้อยและก็ไม่ได้แยกความแตกต่างของทั้งสองเสมอไป

ถ้ามีการแจกแจงความน่าจะเป็นร่วม ${\displaystyle P(X,Y)}$ สามารถคำนวณได้ในรูปของการแจกแจงตามขอบของตัวแปรแต่ละตัว ${\displaystyle P(X)=\sum _{y}P(X,Y=y)}$ และ ${\displaystyle P(Y)=\int _{x}P(Y,X=x)}$ (โดยที่ X มีความต่อเนื่อง ดังนั้นจึงใช้ปริพันธ์ ในขณะที่ Y ไม่ต่อเนื่อง จึงใช้เป็นผลรวมสะสม) การแจกแจงแบบมีเงื่อนไขทั้งสองแบบสามารถพบได้โดยใช้คำจำกัดความของความน่าจะเป็นมีเงื่อนไข: ${\displaystyle P(X\mid Y)=P(X,Y)/P(Y)}$ และ ${\displaystyle P(Y\mid X)=P(X,Y)/P(X)}$

ถ้ามีแบบจำลองที่มีความน่าจะเป็นมีเงื่อนไขอันหนึ่ง และการแจกแจงความน่าจะเป็น ${\displaystyle P(X)}$ และ ${\displaystyle P(Y)}$ ของการประมาณตัวแปร X และ Y แล้ว เราสามารถใช้ทฤษฎีบทของเบส์เพื่อประมาณค่าความน่าจะเป็นแบบมีเงื่อนไขที่ตรงกันข้ามได้: ${\displaystyle P(X\mid Y)P(Y)=P(Y\mid X)P(X)}$

ตัวอย่างเช่นถ้าเรามีแบบจำลองก่อกำเนิด ${\displaystyle P(X\mid Y)}$ สามารถประมาณได้ว่า

${\displaystyle P(Y\mid X)=P(X\mid Y)P(Y)/P(X)}$

ในขณะที่ถ้ามีแบบจำลองจำแนก ${\displaystyle P(Y\mid X)}$ จะสามารถประมาณได้เป็น

${\displaystyle P(X\mid Y)=P(Y\mid X)P(X)/P(Y)}$

อย่างไรก็ตาม คำจำกัดความของทฤษฎีบทของเบส์ (การคำนวณความน่าจะเป็นมีเงื่อนไขหนึ่ง ๆ โดยใช้ความน่าจะเป็นมีเงื่อนไขอื่น) และความน่าจะเป็นมีเงื่อนไข (การคำนวณความน่าจะเป็นแบบมีเงื่อนไขโดยใช้การแจกแจงร่วม) มักจะเป็นที่สับสนกัน

เปรียบเทียบกับแบบจำลองจำแนก

ขั้นตอนวิธีเชิงก่อกำเนิดสร้างแบบจำลองเพื่อจำแนกสัญญาณโดยดูว่าข้อมูลนั้นเกิดขึ้นมาอย่างไร ข้อพิจารณาหลักคือดูว่าหมวดหมู่ใดมีแนวโน้มที่จะสร้างสัญญาณนี้มากที่สุด เมื่อพิจารณาจากสมมติฐานในส่วนการก่อกำเนิด ในทางกลับกัน ขั้นตอนวิธีแบบจำแนกเพียงแค่จำแนกสัญญาณที่พิจารณาโดยไม่ต้องสนใจว่าข้อมูลเกิดขึ้นมาอย่างไร กล่าวอีกนัยหนึ่ง ขั้นตอนวิธีการเชิงจำแนกสามารถนำมาใช้จำแนกหมวดหมู่ได้โดยตรงหลังจากทำการเรียนรู้ข้อมูล ${\displaystyle p(y|x)}$ ในทางกลับกัน ขั้นตอนวิธีก่อกำเนิด จะทำการเรียนรู้ ${\displaystyle p(x,y)}$ และทำการแปลงเป็น ${\displaystyle p(y|x)}$ แล้วจึงนำมาใช้จำแนกประเภทข้อมูล ข้อดีอย่างหนึ่งของขั้นตอนวิธีเชิงกำเนิดก็คือ ${\displaystyle p(x,y)}$ สามารถใช้เพื่อสร้างข้อมูลใหม่ที่คล้ายกับข้อมูลที่มีอยู่ อย่างไรก็ตาม ขั้นตอนวิธีเชิงจำแนกบางแบบก็ได้แสดงให้เห็นว่าทำงานได้ดีกว่าขั้นตอนวิธีก่อกำเนิดบางแบบในงานการจำแนกประเภท^[6]

แบบจำลองจำแนกไม่จำเป็นต้องสร้างแบบจำลองการแจกแจงของตัวแปรที่สังเกตได้ แต่ก็ไม่สามารถแสดงความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรที่สังเกตการณ์และตัวแปรเป้าหมายได้ อย่างไรก็ตาม โดยทั่วไปแล้ว แบบจำลองเหล่านี้ไม่จำเป็นต้องดีกว่าแบบจำลองทั่วไปสำหรับการจำแนกประเภทข้อมูล และ การวิเคราะห์การถดถอย โดยรวมแล้ว เทคนิคทั้งสองประเภทถูกมองว่าเป็นตัวช่วยเสริมกัน หรืออเป็นมุมมองที่แตกต่างกันของกระบวนการเดียวกัน^[7]

แบบจำลองก่อกำเนิดเชิงลึก

เนื่องจากการที่เทคนิคการเรียนรู้เชิงลึกได้รับความนิยมมากขึ้น จึงได้มีการพัฒนาวิธีการใหม่ที่เรียกว่า แบบจำลองก่อกำเนิดเชิงลึก (deep generative model, DGM) ขึ้นมา ซึ่งได้รวมแบบจำลองก่อกำเนิดและโครงข่ายประสาทเทียมเชิงลึก^[8][9][10] โดยทั่วไปแล้ว ประสิทธิภาพของแบบจำลองเหล่านี้จะได้รับการปรับปรุงโดยการเพิ่มทั้งขนาดของโครงข่ายประสาทเทียมและขนาดของข้อมูลสำหรับฝึก^[11]

แบบจำลองก่อกำเนิดเชิงลึกที่เป็นที่รู้จักทั่วไป เช่น ตัวเข้ารหัสอัตโนมัติแบบแปรผัน (VAE) โครงข่ายปฏิปักษ์ก่อกำเนิด (GAN) และแบบจำลองการถดถอยอัตโนมัติ ในยุคหลัง ๆ นี้ ยิ่งมีแนวโน้มไปสู่การสร้างแบบจำลองเชิงลึกขนาดใหญ่มากขึ้น^[8] ตัวอย่างเช่น GPT-3 และ GPT-2 รุ่นก่อนหน้านั้นเป็นแบบจำลองภาษาประสาทถดถอยอัตโนมัติที่มีพารามิเตอร์นับพันล้านตัว^[12] ในขณะที่ BigGAN^[13] และ VQ-VAE^[14] ซึ่งใช้สำหรับการสร้างภาพนั้นมีพารามิเตอร์มากถึงหลายร้อยล้านตัว Jukebox เป็นแบบจำลองก่อกำเนิดขนาดใหญ่มากสำหรับสร้างเสียงเพลง มีพารามิเตอร์นับพันล้านตัว^[15]

อ้างอิง

1. Ng & Jordan (2002) harvtxt error: no target: CITEREFNgJordan2002 (help): "Generative classifiers learn a model of the joint probability, ${\displaystyle p(x,y)}$, of the inputs x and the label y, and make their predictions by using Bayes rules to calculate ${\displaystyle p(y\mid x)}$, and then picking the most likely label y.
2. Jebara 2004, 2.4 Discriminative Learning harvnb error: no target: CITEREFJebara2004 (help): "This distinction between conditional learning and discriminative learning is not currently a well established convention in the field."
3. Ng & Jordan 2002 harvnb error: no target: CITEREFNgJordan2002 (help): "Discriminative classifiers model the posterior ${\displaystyle p(y|x)}$ directly, or learn a direct map from inputs x to the class labels."
4. Mitchell 2015 harvnb error: no target: CITEREFMitchell2015 (help): "We can use Bayes rule as the basis for designing learning algorithms (function approximators), as follows: Given that we wish to learn some target function ${\displaystyle f\colon X\to Y}$, or equivalently, ${\displaystyle P(Y\mid X)}$, we use the training data to learn estimates of ${\displaystyle P(X\mid Y)}$ and ${\displaystyle P(Y)}$. New X examples can then be classified using these estimated probability distributions, plus Bayes rule. This type of classifier is called a generative classifier, because we can view the distribution ${\displaystyle P(X\mid Y)}$ as describing how to generate random instances X conditioned on the target attribute Y.
5. Mitchell 2015 harvnb error: no target: CITEREFMitchell2015 (help): "Logistic Regression is a function approximation algorithm that uses training data to directly estimate ${\displaystyle P(Y\mid X)}$, in contrast to Naive Bayes. In this sense, Logistic Regression is often referred to as a discriminative classifier because we can view the distribution ${\displaystyle P(Y\mid X)}$ as directly discriminating the value of the target value Y for any given instance X
6. Ng & Jordan 2002 harvnb error: no target: CITEREFNgJordan2002 (help)
7. Bishop, C. M.; Lasserre, J. (24 September 2007), "Generative or Discriminative? getting the best of both worlds", ใน Bernardo, J. M. (บ.ก.), Bayesian statistics 8: proceedings of the eighth Valencia International Meeting, June 2-6, 2006, Oxford University Press, pp. 3–23, ISBN 978-0-19-921465-5
8. "Scaling up—researchers advance large-scale deep generative models". Microsoft. April 9, 2020. สืบค้นเมื่อ 2020-07-24.
9. "Generative Models". OpenAI. June 16, 2016. สืบค้นเมื่อ 2020-05-19.
10. Tomczak, Jakub (2022). Deep Generative Modeling. Cham: Springer. p. 197. doi:10.1007/978-3-030-93158-2. ISBN 978-3-030-93157-5. S2CID 246946335.
11. Kaplan, Jared; McCandlish, Sam. "Scaling Laws for Neural Language Models". arXiv:2001.08361 [stat.ML].
12. "Better Language Models and Their Implications". OpenAI. February 14, 2019. สืบค้นเมื่อ 2020-07-24.
13. Brock, Andrew; Donahue, Jeff. "Large Scale GAN Training for High Fidelity Natural Image Synthesis". arXiv:1809.11096 [cs.LG].
14. Razavi, Ali; van den Oord, Aaron. "Generating Diverse High-Fidelity Images with VQ-VAE-2". arXiv:1906.00446 [cs.LG].
15. "Jukebox". OpenAI. April 30, 2020. สืบค้นเมื่อ 2020-05-19.