Statistiques et Big Data bayesian-network

3

Est-ce que l'indépendance statistique signifie l'absence de lien de causalité?

Deux variables aléatoires A et B sont statistiquement indépendantes. Cela signifie que dans le DAG du processus: et bien sûr . Mais cela signifie-t-il également qu'il n'y a pas de porte d'entrée de B à A?P ( A | B ) = P ( A )( A ⊥⊥ B)(A⊥⊥B)(A {\perp\!\!\!\perp} …

40 independence causality bayesian-network dag

6

Différence entre le réseau de Bayes, le réseau de neurones, l'arbre de décision et les réseaux de Petri

Quelle est la différence entre le réseau neuronal , le réseau bayésien , l' arbre de décision et les réseaux de Petri , même s'ils sont tous des modèles graphiques et décrivent visuellement la relation de cause à effet.

30 machine-learning neural-networks bayesian-network fuzzy

3

Pourquoi l'AUC est-elle plus élevée pour un classificateur moins précis que pour un classificateur plus précis?

J'ai deux classificateurs A: réseau bayésien naïf B: réseau bayésien d'arbre (connecté individuellement) En termes de précision et d'autres mesures, A fonctionne comparativement moins bien que B. Cependant, lorsque j'utilise les packages R ROCR et AUC pour effectuer une analyse ROC, il s'avère que l'AUC pour A est plus élevée …

29 machine-learning classification roc auc bayesian-network

5

Différence entre les réseaux bayésiens et le processus de Markov?

Quelle est la différence entre un réseau bayésien et un processus de Markov? Je croyais comprendre les principes des deux, mais maintenant, quand j'ai besoin de comparer les deux, je me sens perdu. Ils signifient presque la même chose pour moi. Ils ne le sont certainement pas. Les liens vers …

28 bayesian references modeling markov-process bayesian-network

1

Calcul de la répétabilité des effets d'un modèle lmer

Je viens de tomber sur cet article , qui décrit comment calculer la répétabilité (aka fiabilité, aka corrélation intraclasse) d'une mesure via la modélisation d'effets mixtes. Le code R serait: #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 …

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

Des réseaux bayésiens aux réseaux neuronaux: comment transposer une régression multivariée en un réseau multi-sorties

J'ai affaire à un modèle linéaire hiérarchique bayésien , ici le réseau qui le décrit. YYY représente les ventes quotidiennes d'un produit dans un supermarché (observé). XXX est une matrice connue de régresseurs, y compris les prix, les promotions, le jour de la semaine, la météo, les vacances. 1SSS est …

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

2

Modèles d'équation structurelle (SEM) par rapport aux réseaux bayésiens (BN)

La terminologie ici est un gâchis. L '«équation structurelle» est à peu près aussi vague que le «pont architectural» et le «réseau bayésien» n'est pas intrinsèquement bayésien . Mieux encore, Judea Pearl , un Dieu de causalité, affirme que les deux écoles de modèles sont presque identiques. Alors, quelles sont …

19 sem bayesian-network causality

3

Comprendre la théorie de la séparation d dans les réseaux bayésiens causaux

J'essaie de comprendre la logique de séparation d dans les réseaux bayésiens causaux. Je sais comment fonctionne l'algorithme, mais je ne comprends pas exactement pourquoi le "flux d'informations" fonctionne comme indiqué dans l'algorithme. Par exemple dans le graphique ci-dessus, supposons que l'on ne nous donne que X et qu'aucune autre …

15 bayesian causality graphical-model bayesian-network

4

Les arêtes du graphe acyclique dirigé représentent-elles une causalité?

Je suis en train d' étudier des modèles probabilistes graphiques , un livre d'auto-étude. Les arêtes d'un graphe acyclique dirigé (DAG) représentent-elles des relations causales? Et si je veux construire un réseau bayésien , mais je ne suis pas sûr de la direction des flèches à l'intérieur? Tout ce que …

13 causality graphical-model bayesian-network dag

2

Quels sont les avantages de l'utilisation d'un réseau neuronal bayésien

Récemment, j'ai lu des articles sur le réseau neuronal bayésien (BNN) [Neal, 1992] , [Neal, 2012] , qui donne une relation de probabilité entre l'entrée et la sortie dans un réseau neuronal. La formation d'un tel réseau neuronal se fait par MCMC, qui est différent de l'algorithme traditionnel de rétropropagation. …

12 bayesian neural-networks bayesian-network

2

Quand utiliser les réseaux bayésiens par rapport à d'autres approches d'apprentissage automatique?

J'espère qu'il n'y aura peut-être pas de réponse définitive à cette question. Mais j'ai utilisé un certain nombre d'algorithmes d'apprentissage automatique dans le passé et j'essaie d'en apprendre davantage sur les réseaux bayésiens. Je voudrais comprendre dans quelles circonstances ou pour quels types de problèmes choisiriez-vous d'utiliser le réseau bayésien …

12 machine-learning bayesian-network

1

Inférence du réseau bayésien en utilisant pymc (confusion du débutant)

Je suis actuellement en train de suivre le cours PGM de Daphne Koller sur Coursera. En cela, nous modélisons généralement un réseau bayésien comme un graphe orienté de cause à effet des variables qui font partie des données observées. Mais sur les tutoriels et les exemples PyMC, je vois généralement …

12 bayesian inference bayesian-network pymc

1

Test exact de Fisher et distribution hypergéométrique

Je voulais mieux comprendre le test exact du pêcheur, j'ai donc imaginé l'exemple de jouet suivant, où f et m correspond à l'homme et à la femme, et n et y correspond à la "consommation de soda" comme ceci: > soda_gender f m n 0 5 y 5 0 Évidemment, …

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

Couverture de Markov vs dépendance normale dans un réseau bayésien

Pendant que je lisais sur les réseaux bayésiens, j'ai rencontré le terme " couverture de Markov " et je me suis sérieusement confondu avec son indépendance dans un graphique de réseau bayésien. La couverture de Markov indique brièvement que chaque nœud dépend uniquement de ses parents, de ses enfants et …

11 bayesian bayesian-network

2

Pourquoi utiliser le graphique des facteurs pour l'inférence bayésienne?

Je ne comprends pas pourquoi la conversion d'un réseau bayésien en un graphique factoriel est bonne pour l'inférence bayésienne? Mes questions sont: Quel est l'avantage d'utiliser le graphe factoriel dans le raisonnement bayésien? Que se passerait-il si nous ne l'utilisions pas? Tout exemple concret sera apprécié!

10 bayesian graphical-model bayesian-network

Questions marquées «bayesian-network»