基于置换检验的贝叶斯网络结构学习
机器学习
2012-08-28 v3 统计方法学
摘要
文献中有若干关于贝叶斯网络结构学习算法性能的研究。这些研究的焦点几乎总是学习算法所基于的启发式方法，即最大化算法（在基于评分的方法中）或学习每个变量依赖关系的技术（在基于约束的方法中）。在本文中，我们研究了使用置换检验而非参数检验如何影响从离散数据中学习贝叶斯网络结构的性能。还涵盖了收缩检验，以提供对当前文献中发展出的技术的广泛概述。
引用
@article{arxiv.1101.5184,
title = {Bayesian Network Structure Learning with Permutation Tests},
author = {Marco Scutari and Adriana Brogini},
journal= {arXiv preprint arXiv:1101.5184},
year = {2012}
}
备注
13 pages, 4 figures. Presented at the Conference 'Statistics for Complex Problems', Padova, June 15, 2010