Statistiche e Big Data bayesian-network

3

Indipendenza statistica significa mancanza di causalità?

Due variabili casuali A e B sono statisticamente indipendenti. Ciò significa che nel DAG del processo: e ovviamente . Ma questo significa anche che non c'è porta d'ingresso dalla B alla A?P ( A | B ) = P ( A )( A ⊥⊥ B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P( A | B …

40 independence causality bayesian-network dag

6

Differenza tra rete di Bayes, rete neurale, albero decisionale e reti di Petri

Qual è la differenza tra rete neurale , rete bayesiana , albero decisionale e reti di Petri , anche se sono tutti modelli grafici e descrivono visivamente la relazione causa-effetto.

30 machine-learning neural-networks bayesian-network fuzzy

3

Perché l'AUC è più alta per un classificatore meno accurato rispetto a uno più accurato?

Ho due classificatori A: ingenua rete bayesiana B: rete bayesiana ad albero (collegata singolarmente) In termini di accuratezza e altre misure, A si comporta in modo relativamente peggiore di B. Tuttavia, quando utilizzo i pacchetti R ROCR e AUC per eseguire l'analisi ROC, si scopre che l'AUC per A è …

29 machine-learning classification roc auc bayesian-network

5

Differenza tra le reti bayesiane e il processo di Markov?

Qual è la differenza tra una rete bayesiana e un processo Markov? Credevo di aver capito i principi di entrambi, ma ora quando ho bisogno di confrontare i due mi sento perso. Significano quasi lo stesso per me. Sicuramente non lo sono. Sono anche apprezzati i collegamenti ad altre risorse.

28 bayesian references modeling markov-process bayesian-network

1

Ripetibilità informatica degli effetti da un modello più leggero

Mi sono appena imbattuto in questo documento , che descrive come calcolare la ripetibilità ( nota anche come affidabilità, nota anche come correlazione intraclasse) di una misurazione tramite la modellazione di effetti misti. Il codice R sarebbe: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) …

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

1

Dalle reti bayesiane alle reti neurali: come la regressione multivariata può essere trasposta in una rete multi-output

Ho a che fare con un modello lineare gerarchico bayesiano , qui la rete lo descrive. YYY rappresenta le vendite giornaliere di un prodotto in un supermercato (osservato). XXX è una matrice nota di regressori, inclusi prezzi, promozioni, giorno della settimana, tempo, festività. SSS è il livello di inventario latente …

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

2

Modelli di equazioni strutturali (SEM) contro reti bayesiane (BN)

La terminologia qui è un casino. L '"equazione strutturale" è vaga quanto il "ponte architettonico" e la "rete bayesiana" non è intrinsecamente bayesiana . Ancora meglio, la dea della causalità Judea Pearl afferma che le due scuole di modelli sono quasi identiche. Quindi, quali sono le differenze importanti? (Incredibile per …

19 sem bayesian-network causality

3

Comprensione della teoria della d-separazione nelle reti bayesiane causali

Sto cercando di comprendere la logica di d-Separation in Causal Bayesian Networks. So come funziona l'algoritmo, ma non capisco esattamente perché il "flusso di informazioni" funzioni come indicato nell'algoritmo. Ad esempio, nel grafico sopra, pensiamo che ci sia stata data solo X e che nessuna altra variabile sia stata osservata. …

15 bayesian causality graphical-model bayesian-network

4

I bordi nel grafico aciclico diretto rappresentano la causalità?

Sto studiando Probabilistic Graphical Models , un libro per l'autoapprendimento. I bordi in un grafico aciclico diretto (DAG) rappresentano le relazioni causali? E se volessi costruire una rete bayesiana , ma non sono sicuro della direzione delle frecce al suo interno? Tutti i dati che mi diranno sono le correlazioni …

13 causality graphical-model bayesian-network dag

2

Quali sono i vantaggi dell'utilizzo di una rete neurale bayesiana

Recentemente ho letto alcuni articoli sulla rete neurale bayesiana (BNN) [Neal, 1992] , [Neal, 2012] , che fornisce una relazione di probabilità tra l'input e l'output in una rete neurale. La formazione di una tale rete neurale avviene tramite MCMC, che è diverso dal tradizionale algoritmo di retro-propagazione. La mia …

12 bayesian neural-networks bayesian-network

2

Quando utilizzare le reti bayesiane rispetto ad altri approcci di apprendimento automatico?

Mi aspetto che non ci possa essere una risposta definitiva a questa domanda. Ma in passato ho usato una serie di algoritmi di machine learning e sto cercando di conoscere le reti bayesiane. Vorrei capire in quali circostanze o per quali tipi di problemi sceglieresti di utilizzare la rete bayesiana …

12 machine-learning bayesian-network

1

Inferenza della rete bayesiana usando pymc (Confusione per principianti)

Attualmente sto seguendo il corso PGM di Daphne Koller su Coursera. In questo, generalmente modelliamo una rete bayesiana come un grafico diretto causa ed effetto delle variabili che fanno parte dei dati osservati. Ma su tutorial ed esempi PyMC generalmente vedo che non è del tutto modellato allo stesso modo …

12 bayesian inference bayesian-network pymc

1

Test esatto di Fisher e distribuzione ipergeometrica

Volevo capire meglio il test esatto del pescatore, quindi ho escogitato il seguente esempio di giocattolo, dove f e m corrispondono a maschio e femmina e n e y corrispondono a "consumo di soda" in questo modo: > soda_gender f m n 0 5 y 5 0 Ovviamente, questa è …

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

1

Coperta di Markov contro dipendenza normale in una rete bayesiana

Mentre stavo leggendo delle reti bayesiane, ho incontrato il termine " coperta di Markov " e mi sono gravemente confuso con la sua indipendenza in un grafico della rete bayesiana. La coperta di Markov afferma brevemente che ogni nodo dipende solo dai suoi genitori, figli e genitori dei bambini [è …

11 bayesian bayesian-network

Domande taggate «bayesian-network»