Redes Redes Bayesianas Bayesianas Foro Foro Fin, 29 Fin, 29 Marzo Marzo 2006 2006 1 1 Redes Redes con con mucha mucha inteligencia inteligencia : : un un viaje viaje Bayesiano Bayesiano IQ CP SS Jorge Muruz Jorge Muruz á á bal bal Universidad Rey Juan Carlos Universidad Rey Juan Carlos
35
Embed
Redes con mucha inteligencia: un viaje Bayesiano · 2015-11-05 · Redes Bayesianas Foro Fin, 29 Marzo 2006 2. Concepto de red Bayesiana. Modelo gráfico probabilístico que: codifica
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
ConceptoConcepto de red Bayesianade red BayesianaModeloModelo grgrááficofico probabilprobabilíísticostico queque::
codificacodifica relacionesrelaciones de de independenciaindependenciacondicionalcondicional entreentre laslas variablesvariableseses capazcapaz de de incorporarincorporar conocimientoconocimiento expertoexpertopuedepuede inducirseinducirse automautomááticamenteticamente a a partirpartir de de unauna matrizmatriz de datos de datos estestáándarndarresultaresulta úútiltil parapara describirdescribir procesosprocesos resultantesresultantesde de interaccionesinteracciones locales locales entreentre componentescomponentes
TiposTipos de de grafosgrafos (con arcos (con arcos dirigidosdirigidos))En principio todo grafo acíclico (DAG) codifica una distribuciónLos Polytrees son relativamente fáciles de tratarUn DAG es un polytree si sólo existe un camino basado en arcos (ignorando su direccionalidad) entre dos nodos cualesquiera
DistribucionesDistribuciones condicionadascondicionadas parapara hombres: hombres: mayor mayor riesgoriesgo de de enfermedadenfermedad cardiovascularcardiovascular
Algunas tAlgunas téécnicascnicasTests previos de independencia Tests previos de independencia condicional condicional MMéétodos de puntuacitodos de puntuacióón y bn y búúsquedasqueda
Se parte de un grafo aleatorioSe parte de un grafo aleatorioSe define una mSe define una méétrica M que mide la calidad trica M que mide la calidad del ajuste a los datos D del ajuste a los datos D Se definen operadores de variaciSe definen operadores de variacióón local n local sobre grafos sobre grafos Se explora el entorno inmediato y se Se explora el entorno inmediato y se selecciona la opciselecciona la opcióón que produce el mayor n que produce el mayor incremento en M (versiincremento en M (versióón voraz)n voraz)
Uso intensivo en modelizaciUso intensivo en modelizacióón y prediccin y prediccióón n de fende fenóómenos estmenos estááticos y dinticos y dináámicosmicosFructFructííferos desarrollos matemferos desarrollos matemááticos y ticos y algoralgoríítmicostmicosVariedad de modelos emergentesVariedad de modelos emergentes
Excelente pExcelente páágina de introduccigina de introduccióón n de Kevin Murphyhttphttp://www.cs.ubc.ca/://www.cs.ubc.ca/~murphyk~murphyk//BayesBayes//bnintro.htmlbnintro.htmlTambién http://www.cs.ubc.ca/~murphyk/Bayes/bnsoft.htmlhttp://www.cs.ubc.ca/~murphyk/Bayes/bnsoft.html yhttp://www.kdnuggets.com/software/bayesian.htmlhttp://www.kdnuggets.com/software/bayesian.htmlLibro on-line en castellano en castellano http://personales.unican.es/gutierjm/BookCGH.htmlhttp://personales.unican.es/gutierjm/BookCGH.html