Statystyki i duże zbiory danych bayesian-network

3

Czy niezależność statystyczna oznacza brak związku przyczynowego?

Dwie losowe zmienne A i B są statystycznie niezależne. Oznacza to, że w DAG procesu: i oczywiście P ( A | B ) = P ( A ) . Ale czy to oznacza również, że nie ma drzwi od B do A?( A ⊥⊥ B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P.( A | B …

40 independence causality bayesian-network dag

6

Różnica między siecią Bayesa, siecią neuronową, drzewem decyzyjnym i sieciami Petriego

Jaka jest różnica pomiędzy sieci neuronowych , sieci Bayesa , drzewa decyzyjnego i sieci Petriego , chociaż one są wszystkie modele graficzne i wizualnie przedstawiają przyczynowo-skutkowy.

30 machine-learning neural-networks bayesian-network fuzzy

3

Dlaczego AUC jest wyższy dla klasyfikatora, który jest mniej dokładny niż dla bardziej dokładnego?

Mam dwa klasyfikatory Odp .: naiwna sieć bayesowska B: drzewo (pojedynczo połączona) sieć bayesowska Pod względem dokładności i innych miar A wykonuje się stosunkowo gorzej niż B. Jednak gdy używam pakietów R ROCR i AUC do wykonania analizy ROC, okazuje się, że AUC dla A jest wyższe niż AUC dla …

29 machine-learning classification roc auc bayesian-network

5

Różnica między sieciami bayesowskimi a procesem Markowa?

Jaka jest różnica między Siecią Bayesowską a procesem Markowa? Wierzyłem, że rozumiem zasady obu, ale teraz, gdy muszę porównać oba, czuję się zagubiony. Znaczą dla mnie prawie to samo. Na pewno nie są. Doceniane są również linki do innych zasobów.

28 bayesian references modeling markov-process bayesian-network

1

Obliczanie powtarzalności efektów z modelu Lmer

Właśnie natknąłem się na ten artykuł , który opisuje, jak obliczyć powtarzalność (aka niezawodność, aka korelacja wewnątrzklasowa) pomiaru za pomocą modelowania efektów mieszanych. Kod R byłby następujący: #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 = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability …

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

Od sieci bayesowskich po sieci neuronowe: w jaki sposób można zastosować regresję wielowymiarową do sieci z wieloma wyjściami

Mam do czynienia z bayesowskim hierarchicznym modelem liniowym , tutaj sieć go opisująca. YYY oznacza dzienną sprzedaż produktu w supermarkecie (zaobserwowano). XXX jest znaną matrycą regresorów, w tym cen, promocji, dnia tygodnia, pogody i świąt. S.S.S to nieznany ukryty poziom zapasów każdego produktu, który powoduje najwięcej problemów i który uważam …

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

2

Modele równań strukturalnych (SEM) a sieci bayesowskie (BN)

Terminologia tutaj to bałagan. „Równanie strukturalne” jest tak samo niejasne jak „most architektoniczny”, a „sieć bayesowska” nie jest z natury bayesowska . Co więcej, Judea Pearl , bóg przyczynowości, mówi, że obie szkoły modeli są prawie identyczne. Jakie są ważne różnice? (Zdumiewające dla mnie, strona Wikipedii dla SEM nie zawiera …

19 sem bayesian-network causality

3

Zrozumienie teorii separacji d w przyczynowych sieciach bayesowskich

Próbuję zrozumieć logikę d-separacji w przyczynowych sieciach bayesowskich. Wiem, jak działa algorytm, ale nie do końca rozumiem, dlaczego „przepływ informacji” działa zgodnie z tym, co podano w algorytmie. Na przykład na powyższym wykresie, zastanówmy się, że podano nam tylko X i nie zaobserwowano żadnej innej zmiennej. Następnie zgodnie z zasadami …

15 bayesian causality graphical-model bayesian-network

2

Kiedy stosować sieci Bayesian w porównaniu z innymi metodami uczenia maszynowego?

Spodziewam się, że nie ma ostatecznej odpowiedzi na to pytanie. Ale w przeszłości korzystałem z wielu algorytmów uczenia maszynowego i staram się dowiedzieć o sieciach bayesowskich. Chciałbym zrozumieć, w jakich okolicznościach lub dla jakiego rodzaju problemów wybrałbyś wykorzystanie Bayesian Network w porównaniu z innymi podejściami?

13 machine-learning bayesian-network

4

Czy krawędzie na ukierunkowanym wykresie acyklicznym reprezentują związek przyczynowy?

Studiuję probabilistyczne modele graficzne , książkę do samodzielnej nauki. Czy krawędzie na ukierunkowanym wykresie acyklicznym (DAG) reprezentują relacje przyczynowe? Co jeśli chcę zbudować sieć bayesowską , ale nie jestem pewien co do kierunku strzałek? Wszystkie dane pokażą mi, że zaobserwowano korelacje, a nie wzajemne powiązania między nimi. Wiem, że pytam …

13 causality graphical-model bayesian-network dag

1

Wnioskowanie sieci bayesowskiej za pomocą pymc (zamieszanie początkującego)

Obecnie biorę kurs PGM prowadzony przez Daphne Koller na Coursera. W tym celu generalnie modelujemy Sieć Bayesowską jako ukierunkowany na przyczynę i efekt wykres zmiennych, które są częścią obserwowanych danych. Ale na samouczkach i przykładach PyMC ogólnie widzę, że nie jest to modelowane tak samo jak PGM, a przynajmniej jestem …

13 bayesian inference bayesian-network pymc

2

Jakie są zalety korzystania z bayesowskiej sieci neuronowej

Ostatnio przeczytałem kilka artykułów na temat bayesowskiej sieci neuronowej (BNN) [Neal, 1992] , [Neal, 2012] , która podaje zależność prawdopodobieństwa między wejściem a wyjściem w sieci neuronowej. Trenowanie takiej sieci neuronowej odbywa się za pośrednictwem MCMC, która różni się od tradycyjnego algorytmu propagacji wstecznej. Moje pytanie brzmi: Jaka jest zaleta …

12 bayesian neural-networks bayesian-network

1

Dokładny test Fishera i rozkład hipergeometryczny

Chciałem lepiej zrozumieć dokładny test Fishera, więc wymyśliłem następujący przykład zabawki, w którym f i m odpowiada płci męskiej i żeńskiej, a n i y odpowiada takiemu „zużyciu sody”: > soda_gender f m n 0 5 y 5 0 Oczywiście jest to drastyczne uproszczenie, ale nie chciałem, aby kontekst przeszkadzał. …

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

Koc Markowa a normalna zależność w sieci bayesowskiej

Kiedy czytałem o sieci bayesowskiej, natrafiłem na termin „ koc Markowa ” i poważnie pomyliłem się z jego niezależnością w grafie sieci bayesowskiej. Koc Markowa krótko mówi, że każdy węzeł zależy tylko od jego rodziców, dzieci i rodziców dzieci [jest to szary obszar dla węzła A na zdjęciu]. Jakie jest …

11 bayesian bayesian-network

Pytania otagowane jako bayesian-network