Preguntas etiquetadas con bayesian-network

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( …

40 independence  causality  bayesian-network  dag 

¿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 causa-efecto?

30 machine-learning  neural-networks  bayesian-network  fuzzy 

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 más alto …

29 machine-learning  classification  roc  auc  bayesian-network 

¿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.

28 bayesian  references  modeling  markov-process  bayesian-network 

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 = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = …

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 

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 nivel de …

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

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 diferencias importantes? (Increíble …

19 sem  bayesian-network  causality 

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 …

15 bayesian  causality  graphical-model  bayesian-network 

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 me dirán las correlaciones …

13 causality  graphical-model  bayesian-network  dag 

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 …

12 bayesian  neural-networks  bayesian-network 

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 sobre otros enfoques.

12 machine-learning  bayesian-network 

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 modelado …

12 bayesian  inference  bayesian-network  pymc 

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 …

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 

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 …

11 bayesian  bayesian-network 

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 apreciado!

10 bayesian  graphical-model  bayesian-network