含潜变量贝叶斯网络的模型批评
人工智能
2013-01-18 v1 应用统计
统计方法学
摘要
将贝叶斯网络应用于认知评估与智能辅导系统给模型构建带来了新的挑战。当认知任务分析建议构建一个包含多个潜变量的贝叶斯网络时，对潜结构进行经验性模型批评既关键又复杂。本文引入了一种对模型进行全局（整个贝叶斯网络）和局部（可观测节点）批评的方法论，并探讨了其在识别多种不拟合情况中的价值：潜结构中的节点错误、边错误、状态错误以及先验概率错误。结果表明，这些指标具有检测模型不拟合并协助定位模型中有问题组件的潜力。
引用
@article{arxiv.1301.3902,
title = {Model Criticism of Bayesian Networks with Latent Variables},
author = {David M. Williamson and Russell Almond and Robert Mislevy},
journal= {arXiv preprint arXiv:1301.3902},
year = {2013}
}
备注
Appears in Proceedings of the Sixteenth Conference on Uncertainty in Artificial Intelligence (UAI2000)