贝叶斯信念网络归纳学习算法的评估
人工智能
2013-02-28 v1
摘要
信念网络的贝叶斯学习 (BLN) 是一种利用搜索和贝叶斯评分技术从数据自动构建信念网络 (BNs) 的方法。K2 是该方法的一个特定实例，实现了贪婪搜索策略。为了评估 K2 的准确性，我们随机生成了多个 BNs，并为每个网络模拟了数据集。随后使用 K2 从模拟数据中归纳出生成这些数据的 BNs。我们考察了该程序的性能及其影响因素。此外，我们还基于结果提出了一个简单的 BN 模型，该模型可根据数据集的各种特征预测 K2 的准确性。
引用
@article{arxiv.1302.6779,
title = {An Evaluation of an Algorithm for Inductive Learning of Bayesian Belief Networks Usin},
author = {Constantin F. Aliferis and Gregory F. Cooper},
journal= {arXiv preprint arXiv:1302.6779},
year = {2013}
}
备注
Appears in Proceedings of the Tenth Conference on Uncertainty in Artificial Intelligence (UAI1994)