Ich habe den Tag damit verbracht, etwas über das bnlearn-Paket in R zu lernen, nur um festzustellen, dass Bayes'sche Modelle nicht mit ungerichteten Graphen funktionieren. Ich versuche, etwas über das Markov Random Field Network zu lernen, und bisher konnte ich nur die grafische Struktur mit einem grafischen LASSO erstellen.
In gerichteten Graphen scheint es zwei Stufen zu geben: "strukturelles Lernen", das mit einer Methode durchgeführt wird, und "Parameterlernen", das mit einer anderen Methode durchgeführt wird. Meiner Meinung nach gibt das Parameterlernen Auskunft über die Kantengewichte zwischen den einzelnen Variablen (Features) in Ihrem Modell. Meine Frage ist ... na und? Was machen Sie mit einem Diagramm mit Kantengewichten?
Was kann ich daraus lernen, wenn ich einen Datensatz habe, der Beobachtungen nach Merkmalen enthält, und die Knoten meines Diagramms die Merkmale dieses Datensatzes sind (die aus dem grafischen LASSO stammen, das versucht, die Umkehrung der Kovarianzmatrix zu emulieren)? Kann ich Kohorten meiner Daten (getrennt durch den Zielklassenwert) vergleichen und den Knoten eine Art p-Wert-Analyse zuweisen? Ich denke, ich bin verwirrt über das Gesamtbild der grafischen Modelle.