概率图模型及应用 ( 全部 )

2013-11-02 22:05:00
贝叶斯网络的推理(inference) (1)推理问题 在了解如何构造贝叶斯网络之后,下面我们考虑如何利用贝叶斯网络来进行推理。贝叶斯网络的推理是对某些变量当给定其它变量的状态作为证据时如何推断它们的状态,也就是通过计算回答查询(query)的过程。这个推理的过程也称为概率推理或信念更新。 在实践中,贝叶斯网的推理基...... (1回应)
2013-11-02 22:03:44
贝叶斯网络的推理(inference) (1)推理问题 在了解如何构造贝叶斯网络之后,下面我们考虑如何利用贝叶斯网络来进行推理。贝叶斯网络的推理是对某些变量当给定其它变量的状态作为证据时如何推断它们的状态,也就是通过计算回答查询(query)的过程。这个推理的过程也称为概率推理或信念更新。 在实践中,贝叶斯网的推理基...... (1回应)
2013-06-26 21:46:53
4.参数学习 得到贝叶斯网的网络结构之后,可以对局部分布的参数进行参数估计了,这称作参数学习。 4.1参数学习的基本方法 bnlearn包的参数学习函数是bn.fit,其参数method给出了两种具体的方法:“mle”为极大似然估计;"bayes"为贝叶斯后验估计(采用无信息先验分布)。 4.2对marks数据集的参数学习 marks是...... (1回应)
2013-06-17 23:12:41
3.结构学习 上面我们采用一个预先设定的结构建立了一个关于marks的贝叶斯网。这种方式在某些情况下(比如存在先验的专家知识)是合适的。但是对大多数的贝叶斯网络,我们需要从数据中学习网络。 3.1贝叶斯网的结构简介 贝叶斯网关于节点(随机变量)的条件依赖或条件独立可以从图的角度讨论节点之间的连通与分割。 如果...... (7回应)
2013-06-14 21:33:22
1.bayesian networks的一些基本概念 贝叶斯网bayesian networks是一种有向无环图模型(DAG),可表示为G=(V,A)。其中V是节点的集合,节点表示随机变量;A是弧(或称为边)的集合,弧的箭头表示随机变量之间的概率相依性。有向无环图DAG定义了一个因子化的V中全体节点的联合概率分布,称为全局概率分布;相对的,与每个随...... (1回应)
2013-04-26 23:01:47
#本文主要介绍运用贝叶斯网的一些R语言工具。 贝叶斯网,又称信念网络或概率有向无环图模型(Bayesian network,belief network,probabilistic directed acyclic graphical model),通过有向无环图(DAG)表示一组随机变量和它们的条件依赖关系。作为一个图模型,贝叶斯网的节点表示随机变量:可以是可观测的,也可以...... (21回应)
4人
数据铺子
something about data . 包括但不止于以下内容:统计,数据挖掘,统计学习,信息可视化,量化交易。

关注该小站的成员 ( 5143 )

  • BioHMU
  • 不负
  • shefer
  • 独自等待
  • 鲁小七
  • GY!BE
  • 蓝色忧郁
  • 雨霁天晴

关注该小站的成员也关注