Dirichlet বিতরণ কী?
Dirichlet বিতরণ সম্ভাবনা ভেক্টর (x1,…,xK) নিয়ে কাজ করে। প্রতিটি উপাদান ঋণাত্মক নয় এবং মোট যোগফল 1। এই স্থানকে সিমপ্লেক্স বলা হয়।
- α (alpha) ছদ্ম-গণনা হিসেবে ভাবা যায়। α মানের আপেক্ষিক আকার গড় ভেক্টর নির্ধারণ করে।
- α0 = Σα_i কনসেনট্রেশন: বড় α0 গড়-এর কাছে ঘন নমুনা দেয়; ছোট α0 বেশি ছড়ানো নমুনা দেয়।
- কিছু α_i < 1 হলে নমুনা বিরল এবং কোণা বা ধারের কাছে হতে পারে।
- K=2 বিশেষ রূপ:
x1 ~ Beta(α1,α2)।
ব্যবহার: শ্রেণিভিত্তিক সম্ভাবনার prior ও বিষয়ের অনুপাত। মিশ্রণের ওজন এবং সম্ভাবনা-ধর্মী টেস্ট ডেটাতেও কাজে লাগে। ব্যক্তিগত তথ্য লাগে না।
প্রিসেট
ব্যবহারিক প্রিসেট বেছে নিন। সঙ্গে সঙ্গে নতুন করে তৈরি হয়; পরে মান বদলাতে পারবেন।
টিপ: বড় K শেয়ার করতে দীর্ঘ URL-এর বদলে প্রোফাইল JSON ব্যবহার করুন।
জেনারেটর
প্যারামিটার ধরন বেছে নিন, নমুনা তৈরি করুন; গড়, প্রান্তিক বণ্টন ও নির্ণায়ক তথ্য দেখুন।
প্রতি উপাদানের পরিসংখ্যান
| উপাদান | তাত্ত্বিক গড় | নমুনা গড় | তাত্ত্বিক বিচরণ | নমুনা বিচরণ |
|---|
নমুনা প্রিভিউ (প্রথম 20)
প্রোফাইল JSON (সেটিংস সংরক্ষণ/পুনরুদ্ধার)
শেয়ার URL-এ শুধু সেটিং থাকে। বড় K-এর জন্য দীর্ঘ URL-এর বদলে প্রোফাইল JSON ব্যবহার করুন।
টিপ: শেয়ার করা প্রোফাইলে গ্রাহকের নামের মতো গোপন লেবেল যোগ করবেন না।
এই টুল কীভাবে ব্যবহার করবেন
ঋণাত্মক নয় এবং মোট 1 হয় এমন সম্ভাবনা ভেক্টর তৈরি করতে এই পেজ ব্যবহার করুন।
৩ ধাপে ব্যবহার
K=3মতো ছোট মাত্রা এবং সহজ প্রিসেট দিয়ে শুরু করুন।- নমুনা তৈরি করে গড়, প্রান্তিক বণ্টন ও সারি প্রিভিউ দেখুন।
- গড়ের সরণ ও কনসেনট্রেশনের প্রভাব আলাদা করতে একবারে একটি
αবা মোট কনসেনট্রেশন বদলান।
ফলাফল কীভাবে পড়বেন
প্রতিটি সারি একটি সম্ভাবনা ভেক্টর। গড় প্রতিটি উপাদানের প্রত্যাশিত অংশ দেখায়; কনসেনট্রেশন নমুনা গড়-এর কাছে কত ঘন থাকবে তা নির্ধারণ করে। সব উপাদানের যোগফল 1 হওয়ায় একটির বৃদ্ধি অন্যগুলোর জায়গা কমায়।
সীমা পরীক্ষা
- সব α ধনাত্মক হতে হবে।
- গড় ভেক্টর ঋণাত্মক নয় এবং যোগফল 1 হতে হবে।
- এক্সপোর্ট রাউন্ডিং দৃশ্যমান সারির মোটকে 1 থেকে সরাতে পারে; দরকার হলে বেশি অঙ্ক রাখুন।
সাধারণ প্রশ্ন
উপাদানগুলো ঋণাত্মক সহসম্পর্ক দেখায় কেন?
নমুনা কোণায় জমে কেন?
এক্সপোর্ট করা সারি পুরো 1 না-ও হতে পারে কেন?
Beta-এর সঙ্গে পার্থক্য কী?
আগে কী করব?
সম্পর্কিত টুল
সাধারণ প্রশ্ন
উপাদানগুলো ঋণাত্মক সহসম্পর্ক দেখায় কেন?
সব উপাদানের যোগফল 1 হওয়ায় একটি বাড়লে অন্তত একটি অন্য উপাদান কমার প্রবণতা থাকে।
নমুনা কোণায় জমে কেন?
এক বা একাধিক α 1-এর নিচে হলে ঘনত্ব সীমানার দিকে যায়। মোট কনসেনট্রেশন ছোট হলেও একই প্রবণতা থাকে।
এক্সপোর্ট করা সারি পুরো 1 না-ও হতে পারে কেন?
রাউন্ড করা আউটপুট দৃশ্যমান মোট বদলাতে পারে, যদিও কাঁচা নমুনা রাউন্ডিং-এর আগে 1।
Beta-এর সঙ্গে পার্থক্য কী?
Dirichlet সম্ভাবনা ভেক্টর নিয়ে কাজ করে; Beta হলো দুই উপাদানের বিশেষ রূপ।
আগে কী করব?
ছোট মাত্রার ভিত্তি সেটিং দিয়ে শুরু করুন; তারপর একবারে একটি α বা কনসেনট্রেশন বদলান।