Коли використовувати Bayesian Networks над іншими підходами машинного навчання?

13

Я думаю, що остаточної відповіді на це питання може бути. Але я використовував низку алгоритмів машинного навчання в минулому і намагаюся дізнатися про Bayesian Networks. Я хотів би зрозуміти, за яких обставин або для яких типів проблем ви б вирішили скористатися мережею Bayesian за іншими підходами?

machine-learning bayesian-network

— AndyC
джерело

3

Для мене Bayesian Networks - це спосіб визначення умовної незалежності в моделі. Після того, як ви це визначили, я думаю, ви можете використовувати різні засоби навчання для оцінки параметрів моделі. Отже, я бачу чіткий поділ між параметром навчання та моделлю. Однак я не є експертом з цього питання, тому хтось може прийти з кращою відповіддю.

— Лука

8

$X$ $Y$ $P(X,Y)$ $P(Y|X)$

$P(X_1|Y)$ $P(X_1|X_2=A, X_3=B)$ $P(Y|X)$

BN використовують DAG, щоб призначити спільний розподіл. Отже, це графічні моделі.

Переваги:

Якщо у вас є багато відсутніх даних, наприклад, в медицині, BN може бути дуже ефективним, оскільки моделювання спільного розподілу (тобто ваше твердження про те, як генеруються дані) зменшує вашу залежність від повного спостереження набору даних.
$\text{cause} \to \text{effect}$
Вивчити спільний розподіл є складним завданням, моделювати його для дискретних змінних (через обчислення таблиць умовної ймовірності, тобто CPT) істотно простіше, ніж намагатися зробити те ж саме для безперервних змінних. Отже, BN практично частіше зустрічаються з дискретними змінними.
BN дозволяють не тільки спостереження (як це дозволяють всі моделі машинного навчання), але й причинне втручання . Це звичайно знехтувана і недооцінена перевага BN та пов'язана з контрфактичними міркуваннями.

— Жубарб
джерело

1

У перевазі 1, де ви кажете, що BN ефективні для моделювання даних з великою кількістю пропущених значень, чи не впливають ці відсутні значення на правильну ідентифікацію незалежностей у даних?

— Хоссен

1

P (Y, X_{1}, X_{2})

$P(Y,X_1,X_2)$

X_{1}

$X_1$

X_{2}

$X_2$

1

На мій досвід, Bayesian Networks працюють дуже добре, коли є великі розмірні категоричні дані . Вони дають моделі з інтерпретацією, які (іноді) допомагають зрозуміти, як взаємодіють різні змінні.

— Засмага
джерело