Запитання з тегом «bayesian-network»

Дві випадкові величини A і B статистично незалежні. Це означає, що в DAG процесу: і звичайно . Але чи це також означає, що від В до А немає вхідних дверей?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Тому що тоді нам слід отримати . Отже, якщо це так, чи автоматично статистична незалежність означає відсутність причинного …

40 independence  causality  bayesian-network  dag 

Яка різниця між нейронною мережею , Байєсовою мережею , деревом рішень та мережами Петрі , навіть якщо вони всі графічні моделі та візуально зображують причинно-наслідковий зв’язок.

30 machine-learning  neural-networks  bayesian-network  fuzzy 

У мене є два класифікатори A: наївна байєсівська мережа B: дерево (окремо пов'язане) байєсівської мережі Щодо точності та інших заходів, A працює порівняно гірше, ніж B. Однак, коли я використовую пакети R ROCR та AUC для аналізу ROC, виявляється, що AUC для A вище, ніж AUC для B. Чому це …

29 machine-learning  classification  roc  auc  bayesian-network 

Чим відрізняється Байєсова мережа від процесу Маркова? Я вважав, що розумію принципи обох, але тепер, коли мені потрібно порівняти два, я відчуваю себе втраченим. Вони означають для мене майже те саме. Звичайно, це не так. Також вдячні посилання на інші ресурси.

28 bayesian  references  modeling  markov-process  bayesian-network 

Я щойно натрапив на цю статтю , в якій описано, як обчислити повторюваність (він же - надійність, також внутрішньокласова кореляція) вимірювання за допомогою моделювання змішаних ефектів. R-код буде: #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 …

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 

Я маю справу з Баєсовою ієрархічною лінійною моделлю , тут мережа описує її. YYY являє собою щоденний продаж товару в супермаркеті (спостерігається). ХXX - відома матриця регресорів, що включає ціни, акції, день тижня, погоду, свята. 1SSS - невідомий латентний рівень запасів кожного товару, який викликає найбільшу кількість проблем і який …

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

Термінологія тут - безлад. "Структурне рівняння" є настільки ж розпливчастим, як "архітектурний міст", а "Байєсова мережа" не є по суті байєсівською . Ще краще, що Бог-беззастережність Юдея Перл каже, що дві школи моделей майже однакові. Отже, які важливі відмінності? (Дивно, як на мене, сторінка Вікіпедії для SEM навіть не включає …

19 sem  bayesian-network  causality 

Я намагаюся зрозуміти логіку d-розділення в причинних байєсівських мережах. Я знаю, як працює алгоритм, але я не точно розумію, чому працює "потік інформації", як зазначено в алгоритмі. Наприклад, на графіку вище, давайте подумаємо, що нам задано лише X, а іншої змінної не спостерігається. Тоді, згідно з правилами d-поділу, потік інформації …

15 bayesian  causality  graphical-model  bayesian-network 

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?

13 machine-learning  bayesian-network 

Я вивчаю імовірнісні графічні моделі , книгу для самостійного вивчення. Чи ребра в спрямованому ациклічному графіку (DAG) представляють причинно-наслідкові зв’язки? Що робити, якщо я хочу побудувати байєсівську мережу , але я не впевнений у напрямку стрілок у ній? Усі дані підкажуть мені, що спостерігаються кореляції, а не взаємозв'язки між ними. …

13 causality  graphical-model  bayesian-network  dag 

Нещодавно я прочитав деякі статті про нейромережу Байєса (BNN) [Neal, 1992] , [Neal, 2012] , що дає ймовірне співвідношення між входом і виходом у нейронній мережі. Навчання такої нейронної мережі здійснюється за допомогою MCMC, який відрізняється від традиційного алгоритму поширення зворотного зв'язку. Моє запитання: Яка перевага використання такої нейронної мережі? …

12 bayesian  neural-networks  bayesian-network 

Зараз я проходжу курс PGM Дафни Коллер на Coursera. Таким чином, ми, як правило, моделюємо Байєсівську мережу як графік, спрямований на причини та наслідки змінних, що входять до спостережуваних даних. Але на підручниках і прикладах PyMC я, як правило, бачу, що це не зовсім моделюється так само, як PGM або …

12 bayesian  inference  bayesian-network  pymc 

Я хотів краще зрозуміти точний тест Фішера, тому я розробив наступний іграшковий приклад, де f і m відповідає чоловічому та жіночому, а n і y відповідає такому "споживання соди", як це: > soda_gender f m n 0 5 y 5 0 Очевидно, це різке спрощення, але я не хотів, щоб …

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 

Поки я читав про байєсівські мережі, я зіткнувся з терміном " Маркова ковдра " і сильно плутався з його незалежністю в графіку байесівської мережі. Ковдра Маркова коротко каже, що кожен вузол залежить лише від батьків, дітей та батьків дітей [це сіра зона для вузла А на малюнку]. Яка спільна ймовірність …

11 bayesian  bayesian-network