확률 밀도 함수 추정 및 샘플링

확률 분포의 추정

X	1	2	3	4	5	6
P(X)	1/6	1/6	1/6	0/6	1/6	2/6

  여기서 X는 주사위 눈 꿈이고, 여기서 P(X)는 해당 눈 꿈이 나온 횟수에서 총 던진 횟수를 나눈 것입니다. 따라서 X는 획률 변수가 되면, P(X)는 X 확률 질량 함수가 되고, 다음과 같은 분포를 가집니다.

   만약, x가 학습 데이터 내의 실제 이미지 였다면 .. ?  해당 x를 P(X) 함수에 입력으로 주었다면, 이때 이미지 x는 64 x 64 x 3과 같은 차원을 갖는 고차원에 벡터로 표현될 수 있습니다.

 

고차원 확률 분포

 만약 위의 그래프가 어떤 데이터 셋으로 부터 얻은 확률 분포라면, 해당 고차원의 분포에서  x = 40, y = 20 이라는 값을 추정하게 된다면, x = 40, y = 20에 해당하는 추정된 확률 값을 얻을 수있습니다. 즉, 우리가 얻은 데이터로 부터 추정된 확률 분포로 부터 2차원의 분포 벡터를 얻을 수 있습니다. 따라서 현재 데이터 셋을 분포를 학습 시킨 모델로 얼마 만큼 근사하게 추정하느냐에 따라서, 실제 존재 할 법한 이미지를 생성하게 됩니다.