La red bayesiana es una combinación de modelo probabilístico y modelo de grafos. Se aplica ampliamente en el aprendizaje automático, la minería de datos, el diagnóstico, etc., porque tiene una sólida inferencia basada en pruebas que resulta familiar a la intuición humana. Sin embargo, la red bayesiana puede causar confusiones porque hay muchos conceptos, fórmulas y diagramas complicados relacionados con ella. Dichos conceptos deben organizarse y presentarse de forma tan clara que su comprensión sea fácil. Este es el objetivo de este informe. El informe incluye 5 secciones principales que abarcan los principios de la red bayesiana. La sección 1 es una introducción a la red bayesiana que ofrece algunos conceptos básicos. Los conceptos avanzados se mencionan en la sección 2. El mecanismo de inferencia de la red bayesiana se describe en la sección 3. En la sección 4 se describe el aprendizaje de parámetros, que nos indica cómo actualizar los parámetros de la red bayesiana. La sección 5 se centra en el aprendizaje de estructuras, que menciona cómo construir una red bayesiana. En general, los tres temas principales de la red bayesiana son la inferencia, el aprendizaje de parámetros y el aprendizaje de estructuras, que se mencionan en las sucesivas secciones 3, 4 y 5. La sección 6 es la conclusión.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.