Una red bayesiana es un gráfico acíclico dirigido probabilístico. Los nodos representan variables aleatorias en el sentido bayesiano (observables o no observables); los bordes representan dependencias condicionales entre nodos.
Dos variables aleatorias A y B son estadísticamente independientes. Eso significa que en el DAG del proceso: y, por supuesto, . ¿Pero eso también significa que no hay puerta de entrada de B a A?P ( A | B ) = P ( A )( A ⊥⊥ B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)PAGS( A | B ) = P( A...
¿Cuál es la diferencia entre la red neuronal , la red bayesiana , el árbol de decisión y las redes de Petri , a pesar de que todos son modelos gráficos y representan visualmente la relación
Tengo dos clasificadores A: ingenua red bayesiana B: árbol (conectado individualmente) red bayesiana En términos de precisión y otras medidas, A funciona comparativamente peor que B. Sin embargo, cuando uso los paquetes R ROCR y AUC para realizar el análisis ROC, resulta que el AUC para A es...
Acabo de encontrar este artículo , que describe cómo calcular la repetibilidad (también conocida como confiabilidad, también conocida como correlación intraclase) de una medición a través del modelado de efectos mixtos. El código R sería: #fit the model fit =
¿Cuál es la diferencia entre una red bayesiana y un proceso de Markov? Creía que entendía los principios de ambos, pero ahora, cuando necesito comparar los dos, me siento perdido. Significan casi lo mismo para mí. Seguramente no lo son. Los enlaces a otros recursos también son apreciados....
Estoy tratando con un modelo lineal jerárquico bayesiano , aquí la red que lo describe. YYY representa las ventas diarias de un producto en un supermercado (observado). XXX es una matriz conocida de regresores, que incluye precios, promociones, día de la semana, clima, días festivos. SSS es el...
La terminología aquí es un desastre. La "ecuación estructural" es tan vaga como el "puente arquitectónico" y la "red bayesiana" no es intrínsecamente bayesiana . Aún mejor, Dios de la causalidad, Judea Pearl dice que las dos escuelas de modelos son casi idénticas. Entonces, ¿cuáles son las...
Estoy tratando de entender la lógica de separación de d en las redes bayesianas causales. Sé cómo funciona el algoritmo, pero no entiendo exactamente por qué el "flujo de información" funciona como se indica en el algoritmo. Por ejemplo, en el gráfico anterior, pensemos que solo se nos da X y no...
Estoy estudiando modelos gráficos probabilísticos , un libro para el autoaprendizaje. ¿Los bordes en un gráfico acíclico dirigido (DAG) representan relaciones causales? ¿Qué sucede si quiero construir una red bayesiana , pero no estoy seguro de la dirección de las flechas en ella? Todos los datos...
Actualmente estoy tomando el curso PGM de Daphne Koller en Coursera. En eso, generalmente modelamos una Red Bayesiana como un gráfico dirigido de causa y efecto de las variables que forman parte de los datos observados. Pero en los tutoriales y ejemplos de PyMC, generalmente veo que no está...
Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es una simplificación drástica, pero...
Espero que no haya una respuesta definitiva a esta pregunta. Pero he utilizado varios algoritmos de aprendizaje automático en el pasado y estoy tratando de aprender sobre las redes bayesianas. Me gustaría entender bajo qué circunstancia, o para qué tipo de problemas elegiría usar Bayesian Network...
Recientemente leí algunos artículos sobre la red neuronal bayesiana (BNN) [Neal, 1992] , [Neal, 2012] , que proporciona una relación de probabilidad entre la entrada y la salida en una red neuronal. La capacitación de una red neuronal de este tipo es a través de MCMC, que es diferente del algoritmo...
Mientras leía acerca de las redes bayesianas, me encontré con el término " manta de Markov " y me confundí severamente con su independencia en un gráfico de red bayesiana. La manta de Markov dice brevemente que cada nodo solo depende de sus padres, hijos y padres de niños [es el área gris para el...
No entiendo por qué convertir una red bayesiana en un gráfico de factores es bueno para la inferencia bayesiana. Mis preguntas son: ¿Cuál es el beneficio de usar el factor gráfico en el razonamiento bayesiano? ¿Qué pasaría si no lo usamos? Cualquier ejemplo concreto será...
¿Los "Modelos gráficos probabilísticos" de Koller son adecuados como libro de texto? ¿O hay otro libro que es más recomendable como libro de texto para un curso maestro? Descargo de responsabilidad: publicación cruzada de quora.com, donde no obtuve
Tengo un conjunto de datos que es estrictamente binario. El conjunto de valores de cada variable está en el dominio: verdadero, falso. La propiedad "especial" de este conjunto de datos es que una abrumadora mayoría de los valores son "falsos". Ya he usado un algoritmo de aprendizaje de red...
Utilizo el paquete bnlearn en R para aprender la estructura de mi red bayesiana y sus parámetros. Lo que quiero hacer es "predecir" el valor de un nodo dado el valor de otros nodos como evidencia (obviamente, con la excepción del nodo cuyos valores estamos prediciendo). Tengo variables continuas...
Pasé el día aprendiendo sobre el paquete bnlearn en R solo para descubrir que los modelos bayesianos no funcionan con gráficos no dirigidos. Estoy tratando de aprender sobre la red de campo aleatorio de Markov, y hasta ahora todo lo que he podido hacer es crear la estructura gráfica usando un LASSO...