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 gráfico.
En los gráficos dirigidos, parece haber dos etapas: "aprendizaje estructural" realizado por algún método, y luego "aprendizaje de parámetros" realizado por otro método. Mi sensación es que el aprendizaje de parámetros le informa sobre los pesos de borde entre cada variable (característica) incluida en su modelo. Mi pregunta es ... ¿y qué? ¿Qué haces con un gráfico con pesos de borde?
Si tengo un conjunto de datos que es observaciones por características, y los nodos de mi gráfico son las características de este conjunto de datos (extraído del LASSO gráfico que intenta emular el inverso de la matriz de covarianza), ¿qué puedo aprender de esto? ¿Puedo comparar cohortes de mis datos (separados por el valor de la clase objetivo) y asignar algún tipo de análisis de valor p con los nodos? Estoy confundido, creo, sobre el panorama general de los modelos gráficos.