Modelo grafico

Solo disponible en BuenasTareas
  • Páginas : 2 (468 palabras )
  • Descarga(s) : 0
  • Publicado : 17 de enero de 2011
Leer documento completo
Vista previa del texto
Modelo gráfico
En teoría de las probabilidades, estadística, y el aprender de máquina, a modelo gráfico (GM) es un gráfico que representa independencias entre variables al azar por a gráfico en cuáles una variable cada nodo al azar, y los bordes que falta entre los nodos representan independencias condicionales.
Dos tipos comunes de GMs corresponden a los gráficos con los bordes dirigidos ysin señas. Si la estructura de la red del modelo es a gráfico acíclico dirigido (DAG), el GM representa una facturización del empalme probabilidad de todas las variables al azar. Más exacto, si son losacontecimientos
X1, ..., Xn,
entonces la probabilidad común
P(X1, ..., Xn),
es igual al producto del probabilidades condicionales
P (Xi | padres de Xi) para i = 1,...,n.
Es decir distribucióncomún factores en un producto de distribuciones condicionales. Cualquier dos nodos que no sea conectado por una flecha son condicional independiente dado los valores de sus padres. Cualesquiera dossistemas de nodos son generalmente condicional independiente dada un tercer sistema si un criterio llamó d- separación asimientos en el gráfico. Resultará que las independencias locales y losindependecies globales son equivalentes en redes Bayesian.
Este tipo de modelo gráfico se conoce como modelo gráfico dirigido, Red Bayesian, o red de la creencia. Los modelos clásicos el aprender de máquinatienen gusto modelos ocultados de Markov, redes de los nervios y más nuevos modelos por ejemplo modelos de Markov de la variable-orden puede ser considerado como cajas especiales de redes Bayesian.Los modelos gráficos con los bordes sin señas se llaman generalmente Campos al azar de Markov o Redes de Markov. Un modelo gráfico con muchas subunidades repetidas se puede representar con notación dela placa.
Un tercer tipo de modelo gráfico es a gráfico del factor, que es un sin señas gráfico bipartito variables que conectan y nodos del factor. Cada factor representa una distribución de la...
tracking img