Pertanyaan yang diberi tag «bayesian-network»

Dua variabel acak A dan B secara statistik independen. Itu berarti bahwa dalam DAG proses: dan tentu saja . Tetapi apakah itu juga berarti bahwa tidak ada pintu depan dari B ke A?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Karena dengan begitu kita harus mendapatkan . Jadi jika itu masalahnya, apakah independensi statistik secara …

40 independence  causality  bayesian-network  dag 

Apa perbedaan antara jaringan saraf , jaringan Bayesian , pohon keputusan dan jaring Petri , meskipun semuanya adalah model grafis dan menggambarkan secara visual hubungan sebab-akibat.

30 machine-learning  neural-networks  bayesian-network  fuzzy 

Saya memiliki dua pengklasifikasi A: jaringan Bayesian yang naif B: tree (terhubung sendiri) jaringan Bayesian Dalam hal akurasi dan langkah-langkah lain, A melakukan relatif lebih buruk daripada B. Namun, ketika saya menggunakan paket R ROCR dan AUC untuk melakukan analisis ROC, ternyata AUC untuk A lebih tinggi daripada AUC untuk …

29 machine-learning  classification  roc  auc  bayesian-network 

Apa perbedaan antara Bayesian Network dan proses Markov? Saya percaya saya mengerti prinsip-prinsip keduanya, tetapi sekarang ketika saya harus membandingkan keduanya saya merasa kehilangan. Artinya hampir sama bagi saya. Tentunya tidak. Tautan ke sumber daya lain juga dihargai.

28 bayesian  references  modeling  markov-process  bayesian-network 

Saya baru saja menemukan makalah ini , yang menjelaskan bagaimana menghitung pengulangan (alias reliabilitas, alias korelasi intraclass) dari pengukuran melalui pemodelan efek campuran. Kode R adalah: #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 repeatability R …

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 

Saya sedang berurusan dengan Model Linear Hierarchical Bayesian , di sini jaringan menggambarkannya. YYY merupakan penjualan harian suatu produk di supermarket (diamati). XXX adalah matriks regresi yang diketahui, termasuk harga, promosi, hari dalam seminggu, cuaca, hari libur. 1SSS adalah tingkat persediaan laten yang tidak diketahui dari setiap produk, yang menyebabkan …

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

Terminologi di sini berantakan. "Persamaan struktural" kira-kira sama samarnya dengan "jembatan arsitektural" dan "jaringan Bayesian" secara intrinsik bukan Bayesian . Bahkan yang lebih baik, Judea Pearl dari sebab akibat mengatakan bahwa kedua aliran model hampir identik. Jadi, apa perbedaan penting? (Luar biasa bagi saya, halaman Wikipedia untuk SEM bahkan tidak …

19 sem  bayesian-network  causality 

Saya mencoba memahami logika d-Separation di Causal Bayesian Networks. Saya tahu bagaimana algoritma bekerja, tetapi saya tidak benar-benar mengerti mengapa "aliran informasi" bekerja seperti yang dinyatakan dalam algoritma Sebagai contoh pada grafik di atas, mari kita berpikir bahwa kita hanya diberi X dan tidak ada variabel lain yang diamati. Kemudian …

15 bayesian  causality  graphical-model  bayesian-network 

Saya belajar Model Grafis Probabilistik , sebuah buku untuk belajar mandiri. Apakah tepi dalam grafik asiklik terarah (DAG) mewakili hubungan sebab akibat? Bagaimana jika saya ingin membangun jaringan Bayesian , tetapi saya tidak yakin tentang arah panah di dalamnya? Semua data akan memberi tahu saya adalah korelasi yang diamati, bukan …

13 causality  graphical-model  bayesian-network  dag 

Baru-baru ini saya membaca beberapa makalah tentang jaringan saraf Bayesian (BNN) [Neal, 1992] , [Neal, 2012] , yang memberikan kemungkinan hubungan antara input dan output dalam jaringan saraf. Pelatihan seperti jaringan saraf adalah melalui MCMC yang berbeda dari algoritma back-propagation tradisional. Pertanyaan saya adalah: Apa keuntungan menggunakan jaringan saraf seperti …

12 bayesian  neural-networks  bayesian-network 

Saya berharap mungkin tidak ada jawaban pasti untuk pertanyaan ini. Tetapi saya telah menggunakan sejumlah algoritma pembelajaran mesin di masa lalu dan saya mencoba belajar tentang Bayesian Networks. Saya ingin memahami dalam keadaan apa, atau untuk jenis masalah apa yang Anda pilih untuk menggunakan Bayesian Network daripada pendekatan lain?

12 machine-learning  bayesian-network 

Saat ini saya mengikuti kursus PGM oleh Daphne Koller di Coursera. Dalam hal itu, kami umumnya memodelkan Bayesian Network sebagai grafik langsung penyebab dan efek dari variabel yang merupakan bagian dari data yang diamati. Tetapi pada tutorial dan contoh PyMC saya biasanya melihat bahwa itu tidak cukup dimodelkan dengan cara …

12 bayesian  inference  bayesian-network  pymc 

Saya ingin memahami uji pasti fisher dengan lebih baik, jadi saya menyusun contoh mainan berikut ini, di mana f dan m berhubungan dengan pria dan wanita, dan n dan y berhubungan dengan "konsumsi soda" seperti ini: > soda_gender f m n 0 5 y 5 0 Jelas, ini adalah penyederhanaan …

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 

Ketika saya membaca tentang jaringan Bayesian, saya menemukan istilah " Selimut Markov " dan sangat bingung dengan independensinya dalam grafik jaringan Bayesian. Selimut Markov secara singkat mengatakan bahwa setiap node hanya bergantung pada orang tuanya, anak-anak dan orang tua anak-anak [itu adalah area abu-abu untuk node A dalam gambar]. Berapa …

11 bayesian  bayesian-network 

Saya tidak mengerti mengapa mengubah jaringan Bayesian menjadi grafik faktor baik untuk inferensi Bayesian? Pertanyaan saya adalah: Apa manfaat menggunakan grafik faktor dalam penalaran Bayesian? Apa yang akan terjadi jika kita tidak menggunakannya? Setiap contoh nyata akan dihargai!

10 bayesian  graphical-model  bayesian-network