O que é programação probabilística?

Ajuda a criar “ modelos estatísticos ” de processos do mundo real.

“A programação probabilística permite incorporar o conhecimento do domínio nos modelos e torna o sistema de aprendizado de máquina mais interpretável”

Trabalho de Infer.Net

O processo Infer.NET compila uma definição de modelo no código-fonte necessário para gerar um conjunto de consultas de inferência no modelo. O diagrama abaixo resume o processo de inferência.

As etapas são:

1. O usuário cria uma definição de modelo e especifica uma coleção de consultas de inferência relacionadas a esse modelo.
2. O usuário compartilha a definição do modelo e as consultas de inferência com o compilador do modelo , que cria o código-fonte - isso grava o código-fonte em um arquivo.
3. Compile o código-fonte para criar um algoritmo .
4. Com um conjunto de valores observados , o mecanismo de inferência executa o algoritmo compilado.

Abra uma sessão de prompt de comando e execute os comandos abaixo em sequência:

dotnet new console -o InferNetExample
cd InferNetExample

Instale o pacote Infer.NET

Para usar o Infer.NET , você precisa instalar o pacote Microsoft.ML.Probabilistic.Compiler.

No mesmo prompt de comando, execute o comando abaixo:

dotnet add package Microsoft.ML.Probabilistic.Compiler

Vamos considerar o seguinte exemplo

Como encontrar a probabilidade de ambas as caras ao lançar duas moedas justas?

Abra o arquivo Program.cs em um editor de texto e substitua todo o seu conteúdo dentro do Main método pelo código a seguir:

Variable<bool> firstCoin = Variable.Bernoulli(0.5);
Variable<bool> secondCoin = Variable.Bernoulli(0.5);
Variable<bool> bothHeads = firstCoin & secondCoin;
InferenceEngine engine = new InferenceEngine();
Console.WriteLine("Probability both coins are heads: "+engine.Infer(bothHeads));

Probability both coins are heads: Bernoulli(0.25)

Este pequeno exemplo contém os três elementos vitais de qualquer programa Infer.NET:

Definição de um modelo probabilístico

O modelo probabilístico é definido nas três primeiras linhas acima pelas variáveis ​​aleatórias primeira moeda e segunda moeda e especificando a variável dependente ambas as caras como uma função destas.

Inicialização do motor de inferência

A quarta linha acima cria um mecanismo de inferência que usa o algoritmo de inferência padrão.

Execução de uma consulta de inferência

Na última linha do programa, use o mecanismo para inferir a distribuição marginal de ambas as caras , ou seja, a probabilidade de que ambas as moedas deram cara e retornaram uma distribuição de Bernouilli no console.

Github Repo

Obrigado por ler. Espero que gostem do artigo .. !!