朴素贝叶斯网络的渐近模型选择
人工智能
2013-01-07 v1 机器学习
摘要
我们推导出一个闭合形式的渐近公式，用于计算给定具有两个隐状态和二元特征的朴素贝叶斯网络模型时数据的边际似然。该公式与标准的BIC评分有所偏离。我们的工作提供了一个具体实例，表明BIC评分对于属于分层指数族的统计模型通常无效。这与线性和弯曲指数族形成对比，在那些族中，BIC评分已被证明能为边际似然提供正确的近似。
引用
@article{arxiv.1301.0598,
title = {Asymptotic Model Selection for Naive Bayesian Networks},
author = {Dmitry Rusakov and Dan Geiger},
journal= {arXiv preprint arXiv:1301.0598},
year = {2013}
}
备注
Appears in Proceedings of the Eighteenth Conference on Uncertainty in Artificial Intelligence (UAI2002)