Statistiken und Big Data bayesian-network

3

Bedeutet statistische Unabhängigkeit einen Mangel an Kausalität?

Zwei Zufallsvariablen A und B sind statistisch unabhängig. Das bedeutet im DAG des Prozesses: und natürlich . Aber heißt das auch, dass es von B nach A keine Haustür gibt?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Denn dann sollten wir . Wenn dies der Fall ist, bedeutet statistische Unabhängigkeit dann automatisch einen Mangel an …

40 independence causality bayesian-network dag

6

Unterschied zwischen Bayes-Netzwerk, neuronalem Netzwerk, Entscheidungsbaum und Petri-Netzen

Was ist der Unterschied zwischen dem neuronalen Netzwerk , dem Bayes'schen Netzwerk , dem Entscheidungsbaum und den Petri-Netzen , obwohl sie alle grafische Modelle sind und die Ursache-Wirkung-Beziehung visuell darstellen?

30 machine-learning neural-networks bayesian-network fuzzy

3

Warum ist die AUC für einen weniger genauen Klassifikator höher als für einen genaueren?

Ich habe zwei Klassifikatoren A: naives Bayes'sches Netzwerk B: Baum (einfach verbunden) Bayesianisches Netzwerk In Bezug auf Genauigkeit und andere Maßnahmen schneidet A vergleichsweise schlechter ab als B. Wenn ich jedoch die R-Pakete ROCR und AUC für die ROC-Analyse verwende, stellt sich heraus, dass die AUC für A höher ist …

29 machine-learning classification roc auc bayesian-network

5

Unterschied zwischen Bayes'schen Netzwerken und Markov-Prozess?

Was ist der Unterschied zwischen einem Bayes'schen Netzwerk und einem Markov-Prozess? Ich glaubte, die Prinzipien von beiden verstanden zu haben, aber jetzt, wo ich die beiden vergleichen muss, fühle ich mich verloren. Sie bedeuten mir fast dasselbe. Sicher sind sie nicht. Links zu anderen Ressourcen sind ebenfalls willkommen.

28 bayesian references modeling markov-process bayesian-network

1

Berechnung der Wiederholbarkeit von Effekten aus einem früheren Modell

Ich bin gerade auf diese Arbeit gestoßen , in der beschrieben wird, wie die Wiederholbarkeit (auch bekannt als Zuverlässigkeit, auch bekannt als Intraclass-Korrelation) einer Messung über Mixed-Effects-Modellierung berechnet wird. Der R-Code wäre: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_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

1

Von Bayes'schen Netzen zu neuronalen Netzen: Wie multivariate Regression in ein Netzwerk mit mehreren Ausgängen übertragen werden kann

Ich habe es mit einem Bayesian Hierarchical Linear Model zu tun , hier das Netzwerk, das es beschreibt. YYY für den täglichen Verkauf eines Produkts in einem Supermarkt (beobachtet). XXX ist eine bekannte Matrix von Regressoren, einschließlich Preisen, Werbeaktionen, Wochentagen, Wetter, Feiertagen. 1SSS ist der unbekannte latente Lagerbestand jedes Produkts, …

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

2

Structural Equation Models (SEMs) gegen Bayesian Networks (BNs)

Die Terminologie hier ist ein Durcheinander. "Strukturgleichung" ist ungefähr so vage wie "Architekturbrücke" und "Bayes'sches Netzwerk" ist an sich nicht Bayes'sch . Noch besser, Judea Pearl , Gott der Kausalität, sagt, dass die beiden Schulen der Modelle fast identisch sind. Also, was sind die wichtigen Unterschiede? (Erstaunlicherweise enthält die Wikipedia-Seite …

19 sem bayesian-network causality

3

Verständnis der d-Separationstheorie in kausalen Bayes'schen Netzwerken

Ich versuche die d-Separation-Logik in kausalen Bayes'schen Netzwerken zu verstehen. Ich weiß, wie der Algorithmus funktioniert, aber ich verstehe nicht genau, warum der "Informationsfluss" so funktioniert, wie er im Algorithmus angegeben ist. Nehmen wir zum Beispiel in der obigen Grafik an, dass wir nur X erhalten und keine andere Variable …

15 bayesian causality graphical-model bayesian-network

4

Stellen Kanten in gerichteten azyklischen Graphen Kausalität dar?

Ich studiere probabilistische grafische Modelle , ein Buch zum Selbststudium. Stellen Kanten in einem gerichteten azyklischen Graphen (DAG) Kausalzusammenhänge dar? Was ist, wenn ich ein Bayes-Netzwerk aufbauen möchte , mir aber nicht sicher ist, in welche Richtung die Pfeile zeigen? Alle Daten sagen mir, dass es sich um die beobachteten …

13 causality graphical-model bayesian-network dag

2

Was sind die Vorteile der Verwendung eines Bayes'schen neuronalen Netzwerks?

Kürzlich las ich einige Artikel über das Bayesianische Neuronale Netz (BNN) [Neal, 1992] , [Neal, 2012] , in denen eine Wahrscheinlichkeitsrelation zwischen der Eingabe und der Ausgabe in einem Neuronalen Netz angegeben ist. Das Trainieren eines solchen neuronalen Netzwerks erfolgt durch MCMC, was sich von dem herkömmlichen Backpropagation-Algorithmus unterscheidet. Meine …

12 bayesian neural-networks bayesian-network

2

Wann sollte Bayesian Networks gegenüber anderen Ansätzen des maschinellen Lernens eingesetzt werden?

Ich gehe davon aus, dass es keine endgültige Antwort auf diese Frage gibt. Aber ich habe in der Vergangenheit eine Reihe von Algorithmen für maschinelles Lernen verwendet und versuche, etwas über Bayes'sche Netzwerke zu lernen. Ich würde gerne verstehen, unter welchen Umständen oder bei welchen Arten von Problemen Sie Bayesian …

12 machine-learning bayesian-network

1

Bayesianische Netzinferenz mit Pymc (Anfänger-Verwirrung)

Ich nehme gerade am PGM-Kurs von Daphne Koller auf Coursera teil. Dabei modellieren wir im Allgemeinen ein Bayes'sches Netzwerk als Ursache-Wirkungs-Diagramm der Variablen, die Teil der beobachteten Daten sind. Aber bei PyMC-Tutorials und Beispielen sehe ich im Allgemeinen, dass es nicht ganz so modelliert ist wie das PGM oder zumindest …

12 bayesian inference bayesian-network pymc

1

Fisher's Exact Test und hypergeometrische Verteilung

Ich wollte den genauen Test des Fischers besser verstehen, deshalb habe ich das folgende Spielzeugbeispiel entwickelt, bei dem f und m männlich und weiblich und n und y dem "Sodakonsum" wie folgt entsprechen: > soda_gender f m n 0 5 y 5 0 Dies ist natürlich eine drastische Vereinfachung, aber …

11 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

Markov-Decke gegen normale Abhängigkeit in einem Bayes'schen Netzwerk

Während ich über Bayes'sche Netzwerke las, stieß ich auf den Begriff " Markov-Decke " und wurde in einem Bayes'schen Netzwerkgraphen stark mit seiner Unabhängigkeit verwechselt. Markov Decke sagt kurz, dass jeder Knoten nur von seinen Eltern, Kindern und Eltern der Kinder abhängig ist [es ist Grauzone für Knoten A im …

11 bayesian bayesian-network

2

Warum ein Faktordiagramm für die Bayes'sche Inferenz verwenden?

Ich verstehe nicht, warum die Konvertierung eines Bayes'schen Netzwerks in einen Faktorgraphen für die Bayes'sche Inferenz gut ist. Meine Fragen sind: Was ist der Vorteil der Verwendung eines Faktorgraphen im Bayes'schen Denken? Was würde passieren, wenn wir es nicht benutzen? Alle konkreten Beispiele werden geschätzt!

9 bayesian graphical-model bayesian-network

Als «bayesian-network» getaggte Fragen