条件独立性与评分方法导致相同贝叶斯网络模型选择的条件
人工智能
2013-01-14 v1 机器学习
机器学习
摘要
在处理从数据推断贝叶斯网络结构任务的论文中，常陈述存在两种截然不同的方法：(i) 在测试边的存在与否时应用条件独立性检验；(ii) 使用评分度量搜索模型空间。在此我论证，对于完整数据和给定的节点排序，这种划分是一种误解，因为用于检查条件独立性的交叉熵方法，在数学上等同于基于模型整体拟合优度对数评分进行判别的方法。
引用
@article{arxiv.1301.2262,
title = {Conditions Under Which Conditional Independence and Scoring Methods Lead to Identical Selection of Bayesian Network Models},
author = {Robert G. Cowell},
journal= {arXiv preprint arXiv:1301.2262},
year = {2013}
}
备注
Appears in Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (UAI2001)