A comunidade de aprendizado de máquina está abusando "condicionada" e "parametrizada por"?

Digamos, é dependente de α . Rigorosamente falando,$X$$\alpha$

• se e α são variáveis ​​aleatórias, poderíamos escrever p ( X ∣ α ) ;$X$$\alpha$$p(X\mid\alpha)$

• no entanto, se é uma variável aleatória e α é um parâmetro, temos que escrever p ( X ; α ) .$X$$\alpha$$p(X; \alpha)$

Percebo várias vezes que a comunidade de aprendizado de máquina parece ignorar as diferenças e abusar dos termos.

Por exemplo, no famoso modelo LDA, em que é o parâmetro Dirichlet em vez de uma variável aleatória.$\alpha$

Não deveria ser ? Eu vejo muitas pessoas, incluindo os autores originais do artigo da LDA, escrevendo como p ( θ ∣ α ) .$p(\theta;\alpha)$$p(\theta\mid\alpha)$

Eu acho que isso é mais sobre estatísticas bayesianas / não bayesianas do que sobre machine learning vs .. estatísticas.

$X,\alpha$$p(X \mid \alpha)$$X$$\alpha$$\alpha$$\alpha$$p(X; \alpha)$$p(X \mid \alpha)$$p(\alpha)$$\alpha$$\alpha$$\alpha$

$p(X ; \alpha)$$p(X \mid \alpha)$$p$$\mid$