Perguntas com a marcação «bayesian-network»

Duas variáveis ​​aleatórias A e B são estatisticamente independentes. Isso significa que no DAG do processo: e, é claro, . Mas isso também significa que não há porta da frente de B para A?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Porque então devemos obter . Então, se for esse o caso, independência estatística significa …

40 independence  causality  bayesian-network  dag 

Qual é a diferença entre rede neural , rede bayesiana , árvore de decisão e redes de Petri , mesmo que todos sejam modelos gráficos e representem visualmente a relação causa-efeito.

30 machine-learning  neural-networks  bayesian-network  fuzzy 

Eu tenho dois classificadores A: rede bayesiana ingênua B: rede bayesiana em árvore (conectada individualmente) Em termos de precisão e outras medidas, A tem um desempenho comparativamente pior que B. No entanto, quando eu uso os pacotes R ROCR e AUC para realizar análises ROC, verifica-se que a AUC para …

29 machine-learning  classification  roc  auc  bayesian-network 

Qual é a diferença entre uma rede bayesiana e um processo de Markov? Acreditava entender os princípios de ambos, mas agora, quando preciso comparar os dois, sinto-me perdido. Eles significam quase o mesmo para mim. Certamente não são. Links para outros recursos também são apreciados.

28 bayesian  references  modeling  markov-process  bayesian-network 

Acabei de me deparar com este artigo , que descreve como calcular a repetibilidade (também conhecida como confiabilidade, também conhecida como correlação intraclasse) de uma medição via modelagem de efeitos mistos. O código R seria: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) 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 

Estou lidando com um modelo linear hierárquico bayesiano , aqui a rede que o descreve. YYY representa as vendas diárias de um produto em um supermercado (observado). XXX é uma matriz conhecida de regressores, incluindo preços, promoções, dia da semana, clima e feriados. SSS é o nível de estoque latente …

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

A terminologia aqui é uma bagunça. A "equação estrutural" é tão vaga quanto a "ponte arquitetônica" e a "rede bayesiana" não é intrinsecamente bayesiana . Melhor ainda, a Judea Pearl , de Deus da causalidade, diz que as duas escolas de modelos são quase idênticas. Então, quais são as diferenças …

19 sem  bayesian-network  causality 

Estou tentando entender a lógica da separação d nas redes bayesianas causais. Eu sei como o algoritmo funciona, mas não entendo exatamente por que o "fluxo de informações" funciona como declarado no algoritmo. Por exemplo, no gráfico acima, vamos pensar que recebemos apenas X e nenhuma outra variável foi observada. …

15 bayesian  causality  graphical-model  bayesian-network 

Estou estudando modelos gráficos probabilísticos , um livro para auto-estudo. As arestas em um gráfico acíclico direcionado (DAG) representam relações causais? E se eu quiser construir uma rede bayesiana , mas não tiver certeza da direção das setas nela? Todos os dados vão me dizer são as correlações observadas, não …

13 causality  graphical-model  bayesian-network  dag 

Recentemente, li alguns artigos sobre a rede neural bayesiana (BNN) [Neal, 1992] , [Neal, 2012] , que fornece uma relação de probabilidade entre a entrada e a saída em uma rede neural. O treinamento dessa rede neural é feito através do MCMC, que é diferente do algoritmo tradicional de retropropagação. …

12 bayesian  neural-networks  bayesian-network 

Espero que não haja resposta definitiva para essa pergunta. Mas eu usei vários algoritmos de aprendizado de máquina no passado e estou tentando aprender sobre redes bayesianas. Gostaria de entender sob que circunstância ou para quais tipos de problemas você escolheria usar a Rede Bayesiana em detrimento de outras abordagens?

12 machine-learning  bayesian-network 

Atualmente, estou fazendo o curso PGM de Daphne Koller no Coursera. Nesse sentido, geralmente modelamos uma Rede Bayesiana como um gráfico direcionado de causa e efeito das variáveis ​​que fazem parte dos dados observados. Mas, nos tutoriais e exemplos do PyMC, geralmente vejo que não é exatamente modelado da mesma …

12 bayesian  inference  bayesian-network  pymc 

Queria entender melhor o teste exato de Fisher, então inventei o seguinte exemplo de brinquedo, em que f e m correspondem a homens e mulheres e n e y correspondem a "consumo de refrigerante" como este: > soda_gender f m n 0 5 y 5 0 Obviamente, isso é uma …

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 

Enquanto lia sobre redes bayesianas, me deparei com o termo " cobertor de Markov " e fiquei muito confuso com sua independência em um gráfico de rede bayesiano. O cobertor de Markov diz brevemente que todo nó depende apenas de seus pais, filhos e pais dos filhos [é a área …

11 bayesian  bayesian-network 

Não entendo por que converter uma rede bayesiana em um gráfico de fatores é bom para a inferência bayesiana? Minhas perguntas são: Qual é a vantagem de usar o gráfico de fatores no raciocínio bayesiano? O que aconteceria se não o usássemos? Quaisquer exemplos concretos serão apreciados!

9 bayesian  graphical-model  bayesian-network