层次潜在类别模型的有效维度
人工智能
2011-07-04 v1
摘要
层次潜在类别（HLC）模型是树结构的贝叶斯网络，其中叶节点是观测变量，而内部节点是潜在变量。对于HLC模型，特别是对于一般带有潜在节点的贝叶斯网络，目前尚无理论上充分合理的模型选择准则。尽管如此，实证研究表明，BIC评分是在实践中学习HLC模型时使用的一个合理准则。实证研究还表明，如果用有效模型维度替换BIC评分惩罚项中的标准模型维度，有时可以改进模型选择。有效维度难以计算。在本文中，我们证明了一个定理，该定理将一个HLC模型的有效维度与若干潜在类别模型的有效维度联系起来。该定理使得计算大型HLC模型的有效维度在计算上变得可行。该定理也可用于计算一般树模型的有效维度。
引用
@article{arxiv.1107.0027,
title = {Effective Dimensions of Hierarchical Latent Class Models},
author = {T. Kocka and N. L. Zhang},
journal= {arXiv preprint arXiv:1107.0027},
year = {2011}
}