Redes Bayesianas
Redes Bayesianas
Redes Bayesianas
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
6. Aprendizaje estructural<br />
Score:<br />
• Máxima verosimilitud penalizada: log p(D | S, θ) − pe(N)dim(S)<br />
n∑<br />
q i ∑<br />
r i ∑<br />
i=1 j=1 k=1<br />
N ijk log N ijk<br />
N ij<br />
− pe(N)dim(S)<br />
• Nijk denota el número de casos en D en los cuales X i toma el valor x k i y<br />
P a i toma su j-ésimo valor; N ij =<br />
• dim(S) =<br />
∑ n<br />
i=1 q i(r i − 1)<br />
r i ∑<br />
k=1<br />
N ijk<br />
• pe(N) =<br />
⎧<br />
⎨<br />
⎩<br />
1 AIC, Akaike, 1974<br />
1<br />
2 log N BIC, Schwarz, 1978 <strong>Redes</strong> <strong>Bayesianas</strong> – p.27/91