Perguntas com a marcação «graphical-model»

Estou começando a se envolver com o uso de glmnetcom LASSO Regressão onde meu desfecho de interesse é dicotômica. Criei um pequeno quadro de dados simulado abaixo: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p …

78 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 

Estou procurando um software [gratuito] que possa produzir modelos gráficos com boa aparência, por exemplo Todas as sugestões serão apreciadas.

50 graphical-model  software 

Considere a figura a seguir dos Modelos Lineares de Faraway com R (2005, p. 59). O primeiro gráfico parece indicar que os resíduos e os valores ajustados não estão correlacionados, pois deveriam estar em um modelo linear homoscedástico com erros normalmente distribuídos. Portanto, as segunda e terceira parcelas, que parecem …

34 regression  residuals  assumptions  graphical-model 

Todos eles parecem representar variáveis ​​aleatórias pelos nós e (in) dependência através das bordas (possivelmente direcionadas). Estou especialmente interessado no ponto de vista de um bayesiano.

34 causality  neural-networks  multilevel-analysis  graphical-model 

As apresentações aos modelos gráficos as descrevem como "... um casamento entre a teoria dos grafos e a teoria das probabilidades". Eu entendo a parte da teoria das probabilidades, mas tenho problemas para entender onde exatamente a teoria dos grafos se encaixa. Que idéias da teoria dos grafos ajudaram a …

29 graphical-model  graph-theory  distributions 

Atualmente, estou estudando "Raciocínio Bayesiano e Aprendizado de Máquina", de David Barber, e é um livro extremamente bem escrito e envolvente para aprender os fundamentos. Então, uma pergunta para alguém que já fez isso. Quais são os próximos livros que devo ler depois de ter proficiência razoável na maioria dos …

22 machine-learning  bayesian  references  graphical-model 

Em seu livro, Modelos Gráficos, Famílias Exponenciais e Inferência Variacional , M. Jordan e M. Wainwright discutem a conexão entre famílias Exponenciais e Campos Aleatórios de Markov (modelos gráficos não direcionados). Estou tentando entender melhor o relacionamento entre eles com as seguintes perguntas: Todos os MRFs são membros das famílias …

21 mathematical-statistics  graphical-model 

Se eu fixar os valores dos nós observados de um MRF, ele se tornará um CRF?

19 probability  graphical-model  graph-theory  conditional-random-field  markov-random-field 

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 

Eu apenas comecei a aprender a usar Stan e rstan. A menos que eu sempre tenha ficado confuso sobre como o JAGS / BUGS funcionou, pensei que você sempre tivesse que definir uma distribuição anterior de algum tipo para cada parâmetro no modelo a ser extraído. Parece que você não …

14 mcmc  prior  jags  graphical-model  stan 

Eu já vi referências ao aprendizado da teoria das probabilidades bayesianas em R, e eu queria saber se há mais como isso, talvez especificamente em Python? Voltado para o aprendizado da teoria da probabilidade bayesiana, inferência, estimativa da máxima verossimilhança, modelos gráficos e o tipo?

13 machine-learning  bayesian  python  graphical-model 

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 

Estou lutando para fazer a conexão matemática entre uma rede neural e um modelo gráfico. Nos modelos gráficos, a ideia é simples: a distribuição de probabilidade é fatorada de acordo com as cliques no gráfico, com os potenciais sendo geralmente da família exponencial. Existe um raciocínio equivalente para uma rede …

11 neural-networks  markov-process  graphical-model  deep-learning  deep-belief-networks 

Da Wikipedia Uma Rede Bayesiana Dinâmica (DBN) é uma Rede Bayesiana que relaciona variáveis ​​entre si em etapas de tempo adjacentes. Isso geralmente é chamado de BN com duas vezes de timeslice porque diz que, em qualquer ponto do tempo T, o valor de uma variável pode ser calculado a …

11 hidden-markov-model  graphical-model 

Embora eu tenha feito alguma programação com máquinas de Boltzmann em uma aula de física, não estou familiarizado com a caracterização teórica deles. Por outro lado, conheço um pouco da teoria dos modelos gráficos (sobre os primeiros capítulos do livro de Lauritzen, Graphical Models ). Pergunta: Existe alguma relação significativa …

10 machine-learning  neural-networks  mathematical-statistics  graphical-model  rbm