← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9901.q · 生成模型:Hunyuan

生成模型的评估困境

理解等级:高级

比较生成模型十分微妙:往往只能得到对数似然的估计或下界,谁更好取决于下界有多松;若关心异常检测等实际任务,则可用精度、召回等任务指标公平比较。样本视觉质量也不可靠,差的概率模型可能产生好样本,而好样本可能同时欠拟合与过拟合。似然同样有陷阱:实值模型可给常量背景像素分配极小方差而获得无限高似然。预处理更会改变所建模的分布,因此实值与二值模型不能混比,二值化方案必须一致。结论是指标必须匹配用途,而设计更好的评估方法本身仍是重要研究课题。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第20章 深度生成模型 · 查看原书依据

      由于样本的视觉质量不是可靠的标准,所以当计算可行时,我们通常还评估模型分配给测试数据的对数似然。不幸的是,在某些情况下,似然性似乎不可能测量我们真正关心的模型的任何属性。

    参考来源

    - 位置:《深度学习》第20章 深度生成模型(源文件:extracted/深度学习/_epub-src/text/part0007.html) - 结论依据:原文系统讨论了下界松紧、视觉检查、最近邻检测、似然陷阱与二值化一致性等评估问题。 - 原始内容:由于样本的视觉质量不是可靠的标准,所以当计算可行时,我们通常还评估模型分配给测试数据的对数似然。不幸的是,在某些情况下,似然性似乎不可能测量我们真正关心的模型的任何属性。