«bayesian-network» 태그된 질문

두 개의 랜덤 변수 A와 B는 통계적으로 독립적입니다. 이는 프로세스의 DAG에서 및 물론 입니다. 그러나 그것은 B에서 A 로의 정문이 없다는 것을 의미합니까?P ( A | B ) = P ( A )(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) 따라서 합니다. 그렇다면, 통계적 독립성은 자동적으로 인과 관계 부족을 의미합니까?P(A|do(B))=P(A)P(A|do(B))=P(A)P(A|do(B))=P(A)

40 independence  causality  bayesian-network  dag 

신경망 , 베이지안 네트워크 , 의사 결정 트리 및 페트리 넷 의 차이점 은 모두 그래픽 모델이지만 원인-효과 관계를 시각적으로 묘사하더라도 마찬가지입니다.

30 machine-learning  neural-networks  bayesian-network  fuzzy 

두 개의 분류 기가 있습니다 A : 순진한 베이지안 네트워크 B : 트리 (단일 연결) 베이지안 네트워크 정확성 및 기타 측정 측면에서 A는 B보다 상대적으로 성능이 좋지 않지만 R 패키지 ROCR 및 AUC를 사용하여 ROC 분석을 수행하면 A의 AUC가 B의 AUC보다 높은 것으로 나타났습니다. 사고? 진 양성 (tp), 위양성 (fp), …

29 machine-learning  classification  roc  auc  bayesian-network 

베이지안 네트워크와 마르코프 프로세스의 차이점은 무엇입니까? 나는 둘 다의 원리를 이해했다고 믿었지만 지금은 두 가지를 비교해야 할 때 잃어버린 느낌이 든다. 그들은 나에게 거의 같은 의미입니다. 분명히 그들은 아닙니다. 다른 자료에 대한 링크도 높이 평가됩니다.

28 bayesian  references  modeling  markov-process  bayesian-network 

방금 혼합 효과 모델링을 통해 측정의 반복성 (일명 신뢰성, 일명 클래스 내 상관 관계)을 계산하는 방법을 설명하는 이 문서를 보았습니다. R 코드는 다음과 같습니다. #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

나는 베이지안 계층 선형 모델 (여기서 그것을 설명하는 네트워크)을 다루고 있습니다. 는 슈퍼마켓에서 관찰 된 제품의 일일 판매량을 나타냅니다.YYY 는 가격, 프로모션, 요일, 날씨, 휴일을 포함하여 알려진 회귀 행렬입니다.XXX 는 각 제품의 알려지지 않은 잠재 재고 수준으로, 가장 많은 문제를 유발하고, 이진 변수로 구성된 벡터를 고려합니다. 각 제품마다 1 개가품절됨을 …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

여기서의 용어는 혼란입니다. "구조 방정식"은 "건축 다리"만큼 모호하며 "베이지안 네트워크"는 본질적으로 베이지안 이 아닙니다 . 더 좋은 것은, 인과 관계 유대 진주는 두 모델 학교가 거의 동일하다는 것입니다. 그렇다면 중요한 차이점은 무엇입니까? (SEM의 Wikipedia 페이지에는이 글을 쓰는 시점에 "네트워크"라는 단어조차 포함되어 있지 않습니다.)

19 sem  bayesian-network  causality 

Causal Bayesian Networks의 d-Separation 논리를 이해하려고합니다. 알고리즘의 작동 방식을 알고 있지만 알고리즘에 명시된대로 "정보 흐름"이 작동 하는 이유를 정확히 이해하지 못합니다 . 예를 들어 위의 그래프에서 우리에게 X 만 주어지고 다른 변수는 관찰되지 않았다고 생각합시다. 그런 다음 d- 분리 규칙에 따라 정보가 X에서 D로 흐릅니다. X는 줍니다. A는 X를 유발하고 …

15 bayesian  causality  graphical-model  bayesian-network 

이 질문에 대한 명확한 답이 없을 것으로 기대합니다. 그러나 과거에는 많은 머신 러닝 알고리즘을 사용했으며 베이지안 네트워크에 대해 배우려고합니다. 어떤 상황에서 또는 다른 접근법에 대해 베이지안 네트워크를 사용하기로 선택한 어떤 유형의 문제에 대해 이해하고 싶습니다.

13 machine-learning  bayesian-network 

자율 학습을위한 책인 확률 그래픽 모델을 공부하고 있습니다. DAG (directed acyclic graph)의 모서리가 인과 관계를 나타 냅니까? 베이지안 네트워크를 만들고 싶지만 화살표의 방향에 대해 잘 모르겠 으면 어떻게해야합니까? 모든 데이터는 상호 연관성이 아니라 관찰 된 상관 관계라는 것을 말해 줄 것입니다. 다음 장에서 이러한 문제를 다룰 것이라고 확신하기 때문에 너무 …

13 causality  graphical-model  bayesian-network  dag 

현재 Coursera에서 Daphne Koller의 PGM 과정을 수강하고 있습니다. 여기에서 우리는 일반적으로 베이지안 네트워크를 관측 된 데이터의 일부인 변수의 원인 및 결과 지향 그래프로 모델링합니다. 그러나 PyMC 자습서 및 예제에서 나는 일반적으로 PGM과 같은 방식으로 모델링되지 않았거나 혼란 스럽습니다. PyMC에서 관측 된 실제 변수의 부모는 종종 변수를 모델링하는 데 사용하는 분포의 …

13 bayesian  inference  bayesian-network  pymc 

최근에 나는 베이지안 신경망 (BNN)에 관한 논문을 읽었다 [Neal, 1992] , [Neal, 2012] , 신경망의 입력과 출력 사이의 확률 관계를 제공한다. 이러한 신경망을 훈련시키는 것은 전통적인 역 전파 알고리즘과는 다른 MCMC를 통해 이루어진다. 내 질문은 : 그런 신경망을 사용하면 어떤 이점이 있습니까? 보다 구체적으로, NN보다는 BNN에 더 적합한 예제를 제공 …

12 bayesian  neural-networks  bayesian-network 

피셔의 정확한 테스트를 더 잘 이해하고 싶기 때문에 f와 m이 남성과 여성에 해당하고 n과 y가 "소다 소비"에 해당하는 다음 장난감 예제를 고안했습니다. > soda_gender f m n 0 5 y 5 0 분명히 이것은 과감한 단순화이지만 컨텍스트가 방해되는 것을 원하지 않았습니다. 여기서 나는 남자들이 음료수를 마시지 않고 여자들은 음료수를 마시고 …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Bayesian 네트워크에 대해 읽는 동안 " Markov blanket "이라는 용어가 나오고 Bayesian 네트워크 그래프에서 독립성과 심각하게 혼동되었습니다. Markov 담요는 간단히 모든 노드는 부모, 자녀 및 부모에게만 의존한다고 말합니다 (그림에서 노드 A의 회색 영역입니다). 이 BN, P(M,S,G,I,B,R)P(M,S,G,I,B,R)P(M,S,G,I,B,R) 의 결합 확률은 얼마입니까? (출처 : aiqus.com ) 단계 부모 만 독립 규칙을 따르는 …

11 bayesian  bayesian-network