생성 모델 (Generative Model)

생성 모델 (Generative Model)

 

생성 모델은 주어진 학습 데이터를 학습하여 학습 데이터의 분포를 따르는 유사한 데이터를 생성하는 모델이다. 생성적 적대 신경망 (GAN)은 판별 모델 (Discriminative Model)과 대조되는 통계적 모델 클래스이다.

 

생성 모델은 새 데이터 인스턴스를 생성할 수 있다. 판별 모델은 서로 다른 종류의 데이터 인스턴스를 구분한다.

 

생성 모델은 진짜 동물처럼 보이는 새로운 동물 사진을 생성할 수 있고, 분류 모델은 고양이에게 개를 말할 수 있다. GAN은 생성 모델의 한 가지 종류일 뿐이다.

 

데이터 인스턴스 X 집합과 라벨 Y 집합을 지정하면 다음과 같이 된다.

 

생성 모델은 조인 확률 p(X, Y)를 캡처하거나 라벨이 없는 경우 p(X)만 캡처한다. 판별 모델은 조건부 확률 p(Y | X)를 캡처한다.

 

생성 모델은 데이터 자체의 분포를 포함하고 특정 예시의 가능성을 알려준다. 예를 들어, 시퀀스의 다음 단어를 예측하는 모델은 일반적으로 생성 모델 (일반적으로 GAN보다 훨씬 간단함)이다. 단어의 시퀀스에 확률을 할당할 수 있기 때문이다. 판별 모델은 지정된 인스턴스가 발생할 가능성이 있는지에 대한 질문을 무시하고 인스턴스에 라벨이 적용될 가능성을 알려준다. 생성 모델에는 여러 종류가 있다. GAN은 일종의 생성 모델이다.

 

모델링 확률

 

두 모델 모두 확률을 나타내는 숫자를 반환할 필요는 없다. 데이터 분포를 모방하여 데이터 분포를 모델링할 수 있다. 예를 들어, 결정 트리와 같은 구분 분류기는 해당 라벨에 확률을 할당하지 않고 인스턴스에 라벨을 지정할 수 있다. 모든 예측된 라벨의 분포로 데이터에서 라벨의 실제 분포를 모델링하므로 이러한 분류기는 여전히 모델이 된다. 마찬가지로 생성 모델은 분포에서 가져온 것처럼 보이는 가짜 데이터를 생성함으로써 분포를 모델링할 수 있다.

 

 

생성 모델은 유사한 판별 모델보다 더 어려운 작업을 처리한다. 생성 모델은 더 많이 모델링해야 한다. 이미지 생성 모델에서는 배처럼 보이는 물체가 물처럼 보이는 물체 근처에 나타날 가능성이 있고 이마에 눈이 나타나지 않을 가능성이 있다. 이것들은 매우 복잡한 분포이다. 반면에 구별 모델은 몇 가지 이야기 패턴을 찾아서 '범선'과 '보트가 아님'의 차이를 학습할 수 있다. 생성 모델이 타당해야 하는 많은 상관 관계를 무시할 수 있다. 판별 모델은 데이터 공간에 경계를 그리는 반면 생성 모델은 공간 전체에 데이터가 배치되는 방식을 모델링하려고 한다.

 

https://developers.google.com/machine-learning/gan/generative

배경: 생성 모델이란 무엇인가요?  |  Machine Learning  |  Google Developers