FEDHC 贝叶斯网络学习算法
机器学习
2022-08-16 v6 机器学习
摘要
本文提出一种新的混合贝叶斯网络学习算法，称为前向早弃爬山算法（Forward Early Dropping Hill Climbing, FEDHC），设计用于连续或分类变量。此外，本文指出统计软件 R 中 MMHC 的唯一实现代价过高，并提供了一个新的实现。进一步，针对连续数据的情况，提出了一种对离群值鲁棒的 FEDHC 版本，该版本可被其他贝叶斯网络学习算法采用。通过蒙特卡洛模拟对 FEDHC 进行测试，明确显示其计算高效，且生成的贝叶斯网络精度与 MMHC 和 PCHC 相似或更高。最后，使用统计软件 R 展示了 FEDHC、PCHC 和 MMHC 算法在经济学领域真实数据上的应用。
引用
@article{arxiv.2012.00113,
title = {The FEDHC Bayesian network learning algorithm},
author = {Michail Tsagris},
journal= {arXiv preprint arXiv:2012.00113},
year = {2022}
}
备注
This is a preprint of the paper published in Mathematics