概率图模型中的全局敏感性分析
机器学习
2021-10-11 v1 人工智能
机器学习
摘要
我们展示了如何应用 Sobol 全局敏感性分析方法来度量一组节点的证据对由贝叶斯网络表示的感兴趣量的影响。我们的方法利用网络结构，将 Sobol 指数估计问题转化为边缘化推断问题。这样，对于基于暴力枚举或蒙特卡洛的方差敏感性分析估计器需要数百万次昂贵采样的网络，我们可以高效地计算指数。此外，当使用精确推断时，我们的方法给出精确结果，并且也支持相关输入的情形。所提出的算法受张量网络领域启发，并将早期的张量敏感性技术从非循环情形推广到循环情形。我们在三个中型到大型贝叶斯网络上演示了该方法，这些网络涵盖项目风险管理和可靠性工程领域。
引用
@article{arxiv.2110.03749,
title = {Global sensitivity analysis in probabilistic graphical models},
author = {Rafael Ballester-Ripoll and Manuele Leonelli},
journal= {arXiv preprint arXiv:2110.03749},
year = {2021}
}