先得一个贝叶斯网络如下:
这个贝叶斯网络的第三种学习结构的方法
原创yefengnidie ©著作权
©著作权归作者所有:来自51CTO博客作者yefengnidie的原创作品,请联系作者获取转载授权,否则将追究法律责任
就是在传说中的后验分布中,选取一个马尔可夫链,同时这个后验分布是一个稳定的分布,先验分布选用了狄立克莱分布
如何将这个MCMC应用到贝叶斯网络的构造上?
先得一个贝叶斯网络如下:
先得一个贝叶斯网络如下:
首先根据各节点的条件独立性,构造一个无向图,根据互信息进行计算
然后确定边的方向
然后将这个图图做为马尔可夫链初始状态,使用MH算法在不产生环的情况下,进行改练弧的操作,根据接受率,来得到下个状态。
在构造过程要记得验证马尔可夫链的合法性,防止环的产生。
最后得到一个接受率最低的图
哈哈
下一篇:今天来说一下我的SAMC
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
贝叶斯网络结构学习python代码 贝叶斯 网络
简介贝叶斯网络(Bayesian network),又称信念网络(belief network)或是有向无环图模型(directed acyclic graphical model),是一种概率图型模型,借由有向无环图(directed acyclic graphs, or DAGs )中得
贝叶斯网络结构学习python代码 贝叶斯网络 马尔可夫毯 信念网络 有向无环FONT style图FONT