由先验与数据比率决定的网络学习
机器学习
2012-03-19 v1 机器学习
摘要
近期报告指出，狄利克雷先验中的等效样本量（ESS）在学习贝叶斯网络中起着重要作用。本文对贝叶斯网络的边际似然得分进行了渐近分析。结果表明，ESS与样本量的比率决定了学习贝叶斯网络中增加弧的惩罚。弧的数量随ESS增加而单调增加；随ESS减小而单调减少。此外，边际似然得分通过改变先验知识，为各种得分度量提供了统一表达式。
引用
@article{arxiv.1203.3521,
title = {Learning networks determined by the ratio of prior and data},
author = {Maomi Ueno},
journal= {arXiv preprint arXiv:1203.3521},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (UAI2010)