«graphical-model» 태그된 질문

확률 적 그래픽 모델이라고도하며 인과 관계 여부에 관계없이 그래프를 통해 표현 된 통계 모델에 사용됩니다. (Nb, 그래프 이론에서와 같이 "그래프", 그림이나 플롯에서와 같이 * 아님 *).

3
예 : 이진 결과에 glmnet을 사용하는 LASSO 회귀
관심있는 결과가 이분법 인 LASSO Regressionglmnet 과 함께 사용하기 시작했습니다 . 아래에 작은 모의 데이터 프레임을 만들었습니다. age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
2
선형 모형의 가정을 검증하기위한 잔차 대 적합치 그림 해석
R을 사용한 Faraway의 선형 모형 (2005, p. 59)에서 다음 그림을 고려하십시오. 첫 번째 그림은 잔차와 적합치 값이 정규 분포 오차를 갖는 정사각형 선형 모형이어야하므로 잔차와 적합치가 서로 관련이 없음을 나타냅니다. 따라서 잔차와 적합치 간의 종속성을 나타내는 두 번째 및 세 번째 그림은 다른 모형을 제안합니다. 그러나 왜 Faraway가이 분산 선형 …
4
그래픽 모델에서 그래프 이론은 어디에 있습니까?
그래픽 모델에 대한 소개는 그것들을 "... 그래프 이론과 확률 이론의 결혼"으로 묘사합니다. 확률 이론 부분을 얻었지만 정확한 그래프 이론이 어디에 적합한 지 이해하는 데 어려움이 있습니다. 그래프 이론의 통찰력은 불확실성에서 확률 분포와 의사 결정에 대한 이해를 심화시키는 데 도움이 되었습니까? PGM을 "트리"또는 "이중"또는 "비 지향"으로 분류하는 등 PGM에서 그래프 이론 …
1
Markov가 임의 필드
그들의 교과서, 그래픽 모델, 지수 가족 및 변형 추론 에서 M. Jordan 과 M. Wainwright 는 지수 패밀리 와 Markov Random Fields (무 방향 그래픽 모델) 의 연관성을 논의합니다 . 다음 질문을 통해 그들 사이의 관계를 더 잘 이해하려고합니다. 모든 MRF가 지수 패밀리의 구성원입니까? 지수 가족의 모든 구성원을 MRF로 나타낼 …
3
인과 관계 베이지안 네트워크에서의 d- 분리 이론 이해
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 …
2
Stan에서 사전 정의되지 않은 매개 변수
난 그냥 사용하는 방법을 배우게하기 시작했습니다 스탠 와 rstan. JAGS / BUGS의 작동 방식에 대해 항상 혼란스러워하지 않는 한, 모델의 모든 매개 변수에 대해 사전에 어떤 종류의 사전 분포를 정의해야한다고 생각했습니다. 그러나 설명서를 기반으로 Stan 에서이 작업을 수행하지 않아도됩니다. 여기 그들이 제공하는 샘플 모델이 있습니다 . data { int<lower=0> J; …
4
방향성 비순환 그래프의 모서리가 인과 관계를 나타 냅니까?
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 …
3
신경망을 그래픽 모델로 수학적으로 모델링
신경망과 그래픽 모델을 수학적으로 연결하는 데 어려움을 겪고 있습니다. 그래픽 모델에서 아이디어는 간단합니다. 확률 분포는 그래프의 기울기에 따라 인수 분해되며, 일반적으로 전위는 지수 계열입니다. 신경망에 대한 동등한 추론이 있습니까? Restricted Boltzmann 기계 또는 CNN의 단위 (변수)에 대한 확률 분포를 에너지 또는 단위 간 에너지의 곱으로 나타낼 수 있습니까? 또한 확률 …
1
역동적 인 베이지안 시스템의 정의와 HMM과의 관계?
에서 위키 백과 DBN (Dynamic Bayesian Network)은 인접한 시간 간격에 따라 변수를 서로 관련시키는 베이지안 네트워크입니다. T 시점에서 변수 값을 내부 회귀 변수와 직전의 이전 값 (시간 T-1)에서 계산할 수 있기 때문에이를 종종 2 타임 슬라이스 BN이라고합니다 . DBN은 로봇 공학에서 일반적이며 광범위한 데이터 마이닝 응용 프로그램에 대한 잠재력을 보여주었습니다. …
2
그래픽 모델과 Boltzmann 기계는 수학적으로 관련이 있습니까?
물리 클래스에서 Boltzmann 기계로 실제로 프로그래밍을 수행했지만 이론적 특성에 익숙하지 않습니다. 대조적으로, 나는 그래픽 모델 이론 (Lauritzen 's Book Graphical Models 의 처음 몇 장에 관한)에 대해 적당히 알고있다 . 질문 : 그래픽 모델과 Boltzmann 머신간에 의미있는 관계가 있습니까? Boltzmann 기계는 그래픽 모델 유형입니까? 분명히 볼츠만 기계는 신경망의 한 유형입니다. …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.