Применение стохастического вариационного вывода к байесовской смеси Гаусса


9

Я пытаюсь реализовать модель гауссовой смеси со стохастическим вариационным выводом, следуя этой статье .

введите описание изображения здесь

Это программа гауссовой смеси.

Согласно статье, полный алгоритм стохастического вариационного вывода: введите описание изображения здесь

И я все еще очень запутался в методе масштабирования до GMM.

Во-первых, я думал, что локальный вариационный параметр - это просто а все остальные - глобальные параметры. Пожалуйста, поправьте меня, если я был неправ. Что означает шаг 6 ? Что я должен сделать, чтобы достичь этого?qzas though Xi is replicated by N times

Не могли бы вы помочь мне с этим? Заранее спасибо!


Это говорит о том, что вместо использования всего набора данных выберите одну точку данных и представьте, что у вас есть точек данных одинакового размера. Во многих случаях это будет эквивалентно умножением ожидания с одной точкой данных по . NN
Daeyoung Lim

@DaeyoungLim Спасибо за ваш ответ! Теперь я понял, что вы имеете в виду, но я все еще не понимаю, какие статистические данные должны обновляться локально, а какие - глобально. Например, вот реализация смеси гауссов, не могли бы вы рассказать, как масштабировать ее до svi? Я немного потерян. Большое спасибо!
user5779223

Я не читал весь код, но если вы имеете дело с гауссовой моделью смеси, переменные индикатора компонента смеси должны быть локальными переменными, поскольку каждая из них связана только с одним наблюдением. Таким образом, латентные переменные компонента смеси, которые следуют распределению Мултиноулли (также известному как Категориальное распределение в ML), являются в вашем описании выше. zi,i=1,,N
Daeyoung Lim

@DaeyoungLim Да, я понимаю, что вы сказали до сих пор. Таким образом, для вариационного распределения q (Z) q (\ pi, \ mu, \ lambda) q (Z) должна быть локальной переменной. Но есть много параметров, связанных с q (Z). С другой стороны, есть также много параметров, связанных с q (\ pi, \ mu, \ lambda). И я не знаю, как обновить их соответствующим образом.
user5779223

Вы должны использовать предположение о среднем поле, чтобы получить оптимальные вариационные распределения для вариационных параметров. Вот ссылка: maths.usyd.edu.au/u/jormerod/JTOpapers/Ormerod10.pdf
Daeyoung Lim

Ответы:


2

Этот учебник ( https://chrisdxie.files.wordpress.com/2016/06/in-depth-variational-inference-tutorial.pdf ) отвечает на большинство ваших вопросов, и, вероятно, будет легче понять, чем оригинальная статья SVI, как В нем подробно рассматриваются все детали реализации SVI (и координатного восхождения VI и выборки Гиббса) для гауссовой модели смеси (с известной дисперсией).


1

Сначала несколько замечаний, которые помогут мне разобраться в статье о SVI:

  • При вычислении промежуточного значения для вариационного параметра глобальных параметров мы выбираем одну точку данных и делаем вид, что весь наш набор данных размером был той единственной точкой, раз.NN
  • ηg - естественный параметр для полной условности глобальной переменной . Обозначения используются, чтобы подчеркнуть, что это функция условных переменных, в том числе наблюдаемых данных. β

В смеси гауссианов наши глобальные параметры - это параметры среднего и прецизионного (обратная дисперсия) параметров для каждого. То есть является естественным параметром для этого распределения, Normal-Gamma видаkμk,τkηg

μ,τN(μ|γ,τ(2α1)Ga(τ|α,β)

с , и . (Бернардо и Смит, Байесовская теория ; обратите внимание, что это немного отличается от четырехпараметрической нормальной гаммы, которую вы обычно видите .) Мы будем использовать для ссылки на вариационные параметры дляη0=2α1η1=γ(2α1)η2=2β+γ2(2α1)a,b,mα,β,μ

Полное условие - это нормальная гамма с параметрами , , , где является предыдущим. ( там также может сбивать с толку; имеет смысл начинать с трюка примененного к и заканчивая достаточным количеством алгебры, оставленной читателю.)μk,τkη˙+Nzn,kNzn,kxNNzn,kxn2η˙zn,kexpln(p))Np(xn|zn,α,β,γ)=NK(p(xn|αk,βk,γk))zn,k

На этом мы можем выполнить шаг (5) псевдокода SVI с помощью:

ϕn,kexp(ln(π)+Eqln(p(xn|αk,βk,γk))=exp(ln(π)+Eq[μkτk,τ2x,x2μ2τlnτ2)]

Обновление глобальных параметров проще, поскольку каждый параметр соответствует количеству данных или одной из его достаточных статистических данных:

λ^=η˙+Nϕn1,x,x2

Вот как выглядит предельная вероятность данных на многих итерациях при обучении очень искусственным, легко разделяемым данным (код ниже). На первом графике показана вероятность с начальными, случайными вариационными параметрами и итерациями; каждый последующий - после следующей степени двух итераций. В коде ссылаются на вариационные параметры для .a , b , m α , β , μ0a,b,mα,β,μ

введите описание изображения здесь

введите описание изображения здесь

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Aug 12 12:49:15 2018

@author: SeanEaster
"""

import numpy as np
from matplotlib import pylab as plt
from scipy.stats import t
from scipy.special import digamma 

# These are priors for mu, alpha and beta

def calc_rho(t, delay=16,forgetting=1.):
    return np.power(t + delay, -forgetting)

m_prior, alpha_prior, beta_prior = 0., 1., 1.
eta_0 = 2 * alpha_prior - 1
eta_1 = m_prior * (2 * alpha_prior - 1)
eta_2 = 2 *  beta_prior + np.power(m_prior, 2.) * (2 * alpha_prior - 1)

k = 3

eta_shape = (k,3)
eta_prior = np.ones(eta_shape)
eta_prior[:,0] = eta_0
eta_prior[:,1] = eta_1
eta_prior[:,2] = eta_2

np.random.seed(123) 
size = 1000
dummy_data = np.concatenate((
        np.random.normal(-1., scale=.25, size=size),
        np.random.normal(0.,  scale=.25,size=size),
        np.random.normal(1., scale=.25, size=size)
        ))
N = len(dummy_data)
S = 1

# randomly init global params
alpha = np.random.gamma(3., scale=1./3., size=k)
m = np.random.normal(scale=1, size=k)
beta = np.random.gamma(3., scale=1./3., size=k)

eta = np.zeros(eta_shape)
eta[:,0] = 2 * alpha - 1
eta[:,1] = m * eta[:,0]
eta[:,2] = 2. * beta + np.power(m, 2.) * eta[:,0]


phi = np.random.dirichlet(np.ones(k) / k, size = dummy_data.shape[0])

nrows, ncols = 4, 5
total_plots = nrows * ncols
total_iters = np.power(2, total_plots - 1)
iter_idx = 0

x = np.linspace(dummy_data.min(), dummy_data.max(), num=200)

while iter_idx < total_iters:

    if np.log2(iter_idx + 1) % 1 == 0:

        alpha = 0.5 * (eta[:,0] + 1)
        beta = 0.5 * (eta[:,2] - np.power(eta[:,1], 2.) / eta[:,0])
        m = eta[:,1] / eta[:,0]
        idx = int(np.log2(iter_idx + 1)) + 1

        f = plt.subplot(nrows, ncols, idx)
        s = np.zeros(x.shape)
        for _ in range(k):
            y = t.pdf(x, alpha[_], m[_], 2 * beta[_] / (2 * alpha[_] - 1))
            s += y
            plt.plot(x, y)
        plt.plot(x, s)
        f.axes.get_xaxis().set_visible(False)
        f.axes.get_yaxis().set_visible(False)

    # randomly sample data point, update parameters
    interm_eta = np.zeros(eta_shape)
    for _ in range(S):
        datum = np.random.choice(dummy_data, 1)

        # mean params for ease of calculating expectations
        alpha = 0.5 * ( eta[:,0] + 1)
        beta = 0.5 * (eta[:,2] - np.power(eta[:,1], 2) / eta[:,0])
        m = eta[:,1] / eta[:,0]

        exp_mu = m
        exp_tau = alpha / beta 
        exp_tau_m_sq = 1. / (2 * alpha - 1) + np.power(m, 2.) * alpha / beta
        exp_log_tau = digamma(alpha) - np.log(beta)


        like_term = datum * (exp_mu * exp_tau) - np.power(datum, 2.) * exp_tau / 2 \
            - (0.5 * exp_tau_m_sq - 0.5 * exp_log_tau)
        log_phi = np.log(1. / k) + like_term
        phi = np.exp(log_phi)
        phi = phi / phi.sum()

        interm_eta[:, 0] += phi
        interm_eta[:, 1] += phi * datum
        interm_eta[:, 2] += phi * np.power(datum, 2.)

    interm_eta = interm_eta * N / S
    interm_eta += eta_prior

    rho = calc_rho(iter_idx + 1)

    eta = (1 - rho) * eta + rho * interm_eta

    iter_idx += 1
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.