Embedding de noyau des distributions
term_id: kernel_embedding_of_distributions
Category: training_techniques
Definition
L’embedding de noyau des distributions permet de traiter les objets probabilistes comme des points dans un espace de caractéristiques de haute dimension appelé Espace de Hilbert à Noyau Reproducteur (RKHS). En mappant les distributions vers ce space, on peut calculer des distances statistiques (comme la discrépance du moyen) et effectuer des inférences non paramétriques en utilisant l’algèbre linéaire standard.
Summary
Une technique qui mappe les distributions de probabilité dans un espace de Hilbert à noyau réproduisant afin de permettre leur comparaison et leur manipulation via des opérations vectorielles.
Key Concepts
- Espace de Hilbert à noyau repoducteur
- Embedding moyen
- Inférence non paramétrique
- Comparaison de distributions
Use Cases
- Tests d’hypothèses à deux échantillons
- Découverte causale à partir de données observationnelles
- Comparaison des sorties de modèles génératifs