|
|
Для обучения структуры байесовской сети использовался подход, основанный на жадных эвристиках. Псевдокод используемого алгоритма выглядит следующим образом:
|
|
Для обучения структуры байесовской сети использовался подход, основанный на жадных эвристиках. Псевдокод используемого алгоритма выглядит следующим образом:
|
|
|
|
|
|
|
|
|
|
|
|
|
В результате выполнения алгоритма находится такая структура сети, которая имела бы наибольшее значение оптимизируемой метрики. В качестве такой метрики был выбран информационный критерий Акаике:
|
|
В результате выполнения алгоритма находится такая структура сети, которая имела бы наибольшее значение оптимизируемой метрики. В качестве такой метрики реализовано две score-функции:
|
|
|
|
|
-Mutual information
|
|
|
|
|
|
|
|
В формуле метрики Theta^ - оценка максимального правдоподобия для выбранной структуры G_h при имеющихся наблюдения D. За счёт слагаемого d (количество свободных параметров модели) метрика способна штрафовать найденные решения за чрезмерную сложность модели. |
|
-K2 |
|
\ No newline at end of file |
|
|
