生成フレームワークモデル
のは、2次元モデルの生成開始からゲームをプレイしてみましょう。Iは、図1-4の生成に使用されるルール、選択したX-点セット。私たちは、このルールを呼び出すp型のデータ。あなたの挑戦は、宇宙の異なるデータポイントのx =（X1、X2）で選択することです、同じルールによって生成されるように表示されます。
図1-4未知のルールによってP生成された2次元のデータ点の組
どこでそれを選んだのですか？あなたはメンタルモデル構築するために、既存のデータ・ポイントを使用することが可能である知っているpmodelをモデルが空間内での位置を見つけることが容易であり得ます。この点で、pmodelはあるPデータの推定値。たぶん、あなたは思いpmodelは、図1-5に示すべきである-長方形の箱ポイントで見つけることができ、かつ任意の時点で領域外箱を発見する可能性はありません。新しい観測を生成するには、ボックス内のランダム点を選択することができ、またはより正式に分布からpmodelサンプルを選択します。おめでとう、あなたは自分の第一世代のモデルを設計しています
図1-5オレンジボックスpmodelは、実際のデータ配信生成されたp個のデータの推定を
が、これは最も複雑な例ではないですが、私たちが達成しようとしてターゲット・モデルの理解を生成するためにそれを使用することができます。以下のフレームワークは、私たちの動機を示しています。
モデリングの枠組みを生成します
1我々は、観測持つXのデータセットを。
我々は2つの観測がいくつかの未知の分布に従っていると仮定し、pはデータを生成しました。
3世代モデルpmodel真似しようとしているp型のデータを。私たちはこの目標を達成した場合、我々はからできpmodelから一見生成するために、サンプリングされたp個の観測のデータを抽出します。
4当社は、pmodel：感動場合
それから生成されているように見える：ルール1 のpデータの抽出の例。
ルール2：それが生成することがありXの適切な別の例では観測を。言い換えれば、このモデルは単にそれが見ているものをコピーしてはいけません。
私たちは今、分散実際のデータ生成明らかにしてみましょうp型のデータを、フレームワークは、このような場合に適用される方法を参照してください。
我々は図1-6からわかるようにデータ生成ルールは均等に海でのポイントを見つけるためにではなく、世界の陸地の上に分布するとして。
図1-6オレンジボックスpmodelは、実際のデータ分布生成Pの推定データを（グレーの領域）
明らかに、我々のモデルのpmodelはあるp個のデータの単純化し過ぎ。点A、B及びCは、表示pmodel成功の様々な程度を有する生成された三回の観測を、：
点Aは、ルールを破るモデリングフレームワーク1を生成した-によるものと思われるPそれが海に位置するようにデータを生成しました。
B点非常接近数据集中的一个点，我们不应该对它们留下深刻的印象，即我们的模型可以生成这样一个点。如果模型生成的所有示例都是这样的，那么它将破坏生成建模框架的规则2。
点C可以被认为是成功的，因为它可以由pdata生成并且与原始数据集中的任何点适当地不同。
生成建模领域多种多样，问题定义可以采用多种形式。 但是，在大多数情况下，生成建模框架捕获了我们应该如何广泛地考虑解决问题。
现在让我们构建我们生成模型的第一个非常重要的例子。