«graphical-model» etiketlenmiş sorular

Ben kullanımı ile serpmek başlıyorum glmnetile LASSO Regresyon ilgi benim sonuç dikotom olduğunu. Aşağıda küçük bir sahte veri çerçevesi oluşturdum: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Örneğin, güzel görünümlü grafik modeller üretebilen [özgür] yazılımlar arıyorum. Herhangi bir öneriniz memnuniyetle karşılanacaktır.

50 graphical-model  software 

Faraway'in R'li Lineer Modellerinden R (2005, s. 59) aşağıdaki rakamı düşünün. İlk arsa, artıkların ve takılan değerlerin normal dağılmış hataları olan homoscedastic lineer bir modelde olması gerektiği için birbiriyle ilişkili olmadığını gösteriyor gibi görünmektedir. Bu nedenle, artıklar ve takılan değerler arasındaki bağımlılığı gösteriyor gibi görünen ikinci ve üçüncü çizimler farklı …

34 regression  residuals  assumptions  graphical-model 

Hepsi düğümlerin rastgele değişkenlerini temsil ediyor gibi görünmekte ve (muhtemelen yönlendirilmiş) kenarlar vasıtasıyla (in) bağımlılığı göstermektedir. Bayesian'ın bakış açısıyla özellikle ilgileniyorum.

34 causality  neural-networks  multilevel-analysis  graphical-model 

Grafik modellere giriş, onları "... grafik teorisi ve olasılık teorisi arasındaki bir evlilik" olarak tanımlar. Olasılık teorisi bölümünü elde ettim ama grafik teorisinin tam olarak nereye uyduğunu anlamakta güçlük çekiyorum. Grafik teorisinden elde ettiğimiz hangi bilgiler, olasılık dağılımları ve belirsizlik altında karar verme konusundaki anlayışımızı derinleştirmeye yardımcı oldu? PGM'lerde grafik …

29 graphical-model  graph-theory  distributions 

Şu anda David Barber tarafından "Bayesian Reasoning and Machine Learning" den geçiyorum ve temelleri öğrenmek için oldukça iyi yazılmış ve ilgi çekici bir kitap. Bu yüzden bunu zaten yapmış olan birine bir soru. Barber'daki kavramların çoğunda makul bir yeterliliğe sahip olduktan sonra okumam gereken bir sonraki kitap seti hangileridir?

22 machine-learning  bayesian  references  graphical-model 

Ders kitaplarında, Grafik Modeller, Üstel Aileler ve Varyasyonel Çıkarım , M. Jordan ve M. Wainwright , Üstel aileler ve Markov Rastgele Alanları (yönlendirilmemiş grafik modeller) arasındaki bağlantıyı tartışıyor . Aşağıdaki sorularla aralarındaki ilişkiyi daha iyi anlamaya çalışıyorum: Tüm MRF'ler Üstel ailelerin üyeleri mi? Üstel ailelerin tüm üyeleri bir MRF olarak …

21 mathematical-statistics  graphical-model 

Bir MRF'nin gözlenen düğümlerinin değerlerini sabitlersem, CRF olur mu?

19 probability  graphical-model  graph-theory  conditional-random-field  markov-random-field 

Nedensel Bayes Ağlarındaki d-Separation mantığını anlamaya çalışıyorum. Algoritmanın nasıl çalıştığını biliyorum, ancak "bilgi akışı" nın neden algoritmada belirtildiği gibi çalıştığını tam olarak anlamıyorum . Örneğin yukarıdaki grafikte, bize sadece X verildiğini ve başka bir değişkenin gözlenmediğini düşünelim. Sonra d-ayırma kurallarına göre, X'den D'ye bilgi akışı: X, olan A'yı etkiler . …

15 bayesian  causality  graphical-model  bayesian-network 

Stan ve kullanmayı öğrenmeye başladım rstan. JAGS / BUGS'un nasıl çalıştığı konusunda her zaman kafam karışmadıkça, çizilecek modeldeki her parametre için her zaman bir tür önceden dağıtım tanımlamanız gerektiğini düşündüm. Yine de Stan belgelerine dayanarak bunu yapmak zorunda değilsiniz gibi görünüyor. İşte burada verdikleri örnek bir model . data { …

15 mcmc  prior  jags  graphical-model  stan 

R'de Bayes olasılık teorisini öğrenmek için referanslar gördüm ve bunun gibi özellikle de Python'da daha fazla şey olup olmadığını merak ediyordum. Bayes olasılık teorisini, çıkarımını, maksimum olabilirlik tahminini, grafik modelleri ve sıralamayı öğrenmeye yönelik mi?

13 machine-learning  bayesian  python  graphical-model 

Bireysel çalışma kitabı olan Olasılıksal Grafik Modelleri okuyorum . Yönlendirilmiş bir asiklik grafikteki (DAG) kenarlar nedensel ilişkileri temsil ediyor mu? Bir Bayes ağı kurmak istiyorsam , ancak içindeki okların yönünden emin değilsem ne olur? Bana söyleyecek olan tüm veriler, aralarındaki bağlantı değil gözlemlenen korelasyonlardır. Çok fazla şey istediğimi biliyorum, çünkü …

13 causality  graphical-model  bayesian-network  dag 

Bir sinir ağı ve bir grafik model arasındaki matematiksel bağlantıyı kurmak için uğraşıyorum. Grafik modellerde fikir basittir: olasılık dağılımı, grafikteki uçurumlara göre çarpanlara ayrılır ve potansiyeller genellikle üstel ailenin olur. Sinir ağı için eşdeğer bir gerekçe var mı? Bir Kısıtlı Boltzmann makinesinde veya CNN'nin enerjilerinin bir fonksiyonu olarak birimler (değişkenler) …

12 neural-networks  markov-process  graphical-model  deep-learning  deep-belief-networks 

Gönderen Wikipedia Dinamik Bayes Ağı (DBN), değişkenleri bitişik zaman adımları üzerinden ilişkilendiren bir Bayes Ağıdır. Buna genellikle İki Zamanlı BN denir, çünkü T'nin herhangi bir noktasında, bir değişkenin değerinin dahili regresörlerden ve hemen önceki değerden (zaman T-1) hesaplanabileceğini söyler . DBN'ler robotikte yaygındır ve çok çeşitli veri madenciliği uygulamaları için …

11 hidden-markov-model  graphical-model 

Ben aslında bir fizik dersinde Boltzmann makineleri ile bazı programlamalar yaparken, teorik karakterizasyonlarına aşina değilim. Buna karşılık, grafik modeller teorisi hakkında (Lauritzen'in Grafik Modeller kitabının ilk birkaç bölümü hakkında) mütevazı bir miktar biliyorum . Soru: Grafik modeller ile Boltzmann makinesi arasında anlamlı bir ilişki var mı? Boltzmann makinesi bir tür …

11 machine-learning  neural-networks  mathematical-statistics  graphical-model  rbm