Redes Bayesianas

More documents

Recommendations

Info

6. Aprendizaje estructural Clasificación no supervisada con redes Bayesianas Algoritmo EM (Expectation–Maximization) (Dempster et al., 1977) • Expectation step: estimar los datos perdidos a partir de sus valores esperados. Estos se obtienen utilizando las estimaciones actuales de los parámetros • Maximization step: usando la complexión de los datos perdidos como datos completos, obtener los estimadores máximo verosímiles de los parámetros Redes Bayesianas – p.40/91
6. Aprendizaje estructural Clasificación no supervisada con redes Bayesianas Algoritmo EM algorithm (Expectation–Maximization) (Dempster et al., 1977) • Aplicando el Expectation step a redes Bayesianas (Lauritzen, 1995) lo directo es partir el caso • Es habitual completar el caso: • Por medio de su valor modal (versión determinista) • Por el valor obtenido de una simulación (versión estocástica) • EM estructural (Friedman, 1997) Redes Bayesianas – p.41/91
Page 1 and 2: Redes Bayesianas Pedro Larrañaga D
Page 3 and 4: 1. Introducción • Limitación de
Page 5 and 6: 1. Introducción • Grafos acícli
Page 7 and 8: 1. Introducción • X = (X 1 , . .
Page 9 and 10: 2. Independencia condicional Distri
Page 11 and 12: 2. Independencia condicional Probab
Page 13 and 14: 2. Independencia condicional p(x|y,
Page 15 and 16: 2. Independencia condicional ¿I(X,
Page 17 and 18: 3. Factorización Factorización de
Page 19 and 20: 3. Factorización Red Bayesiana •
Page 21 and 22: ¢ ¤ ¢ ¥ ¤ + + + + 8 4 7)
Page 23 and 24: 4. Propagación de la evidencia Mé
Page 25 and 26: 6. Aprendizaje estructural • Apre
Page 27 and 28: 6. Aprendizaje estructural Score:
Page 29 and 30: 6. Aprendizaje estructural Algoritm
Page 31 and 32: 6. Aprendizaje estructural Diferent
Page 33 and 34: 6. Aprendizaje estructural Clasific
Page 39: 6. Aprendizaje estructural Clasific
Page 45 and 46: 7.1 Introducción • Medicina domi
Page 47 and 48: 7.2 Predicción de la supervivencia
Page 49 and 50: 7.3 Multiclasificador de dos nivele
Page 55 and 56: 7.4 Clustering geográfico de la in
Page 57 and 58: 7.5 Predicción de la estructura se
Page 59 and 60: 7.5 Predicción de la estructura se
Page 61 and 62: 8. Algoritmos de estimación de dis
Page 69 and 70: QPNO YX R WR T S h m i g e QPNO XW
Page 77 and 78: 9. Selección de variables en micro
Page 85 and 86: Referencias • P. Larrañaga, C. K
Page 87 and 88: Referencias • B. Sierra, N. Serra
Page 89 and 90: Referencias Información en Interne
Page 91:
Referencias Software comercial en I
show all

Redes Bayesianas

Create successful ePaper yourself

Delete template?

Save as template?