Uma rede bayesiana é um grafo acíclico direcionado probabilístico. Os nós representam variáveis aleatórias no sentido bayesiano (observáveis ou não observáveis); arestas representam dependências condicionais entre nós.
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...
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
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...
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...
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....
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...
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...
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...
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...
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...
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 simplificação drástica, mas eu não...
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...
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...
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 cinza do nó A na...
Os "Modelos Gráficos Probabilísticos" de Koller são adequados como livros didáticos? Ou existe outro livro que seja mais recomendável como livro didático para um curso de mestrado? Isenção de responsabilidade: publicado em quora.com, onde não recebi
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...
Eu uso o pacote bnlearn em R para aprender a estrutura da minha rede bayesiana e seus parâmetros. O que eu quero fazer é "prever" o valor de um nó, dado o valor de outros nós como evidência (obviamente, com exceção do nó cujos valores estamos prevendo). Eu tenho variáveis contínuas....
Passei o dia aprendendo sobre o pacote bnlearn no R apenas para descobrir que os modelos bayesianos não funcionam com gráficos não direcionados. Estou tentando aprender sobre a rede de campo aleatório de Markov, e até agora tudo o que consegui fazer é criar a estrutura gráfica usando um LASSO...
Eu tenho um conjunto de dados que é estritamente binário. o conjunto de valores de cada variável está no domínio: true, false. a propriedade "especial" desse conjunto de dados é que a maioria esmagadora dos valores é "falsa". Eu já usei um algoritmo de aprendizado de rede bayesiana para aprender...
O algoritmo Apriori encontra algumas regras de implicação. Resultados semelhantes são fornecidos pelas redes bayesianas. Qual é a diferença essencial? Quais são as vantagens / desvantagens específicas? Edit: O Apriori Algorithm gera regras de atribuição como um tipo de implicação, como pode ser...