Una grande potenzialità delle reti bayesiane è l'apprendimento di parametri e struttura a partire dai dati. Esistono però pochi algoritmi per l'apprendimento strutturale a partire da dati incompleti e nessuna comparazione estesa di tali metodi. Questa tesi confronta la qualità di apprendimento della struttura di reti note da parte degli algoritmi con implementazione pubblicamente disponibile (SEM, GES-EM, MWST-EM, MMHC) sulle metriche: Structural Hamming Distance, precision, recall, tempo
Confronto di metodi per l'apprendimento strutturale delle reti bayesiane nel caso di dati incompleti
Neodo, Alessandro
2014/2015
Abstract
Una grande potenzialità delle reti bayesiane è l'apprendimento di parametri e struttura a partire dai dati. Esistono però pochi algoritmi per l'apprendimento strutturale a partire da dati incompleti e nessuna comparazione estesa di tali metodi. Questa tesi confronta la qualità di apprendimento della struttura di reti note da parte degli algoritmi con implementazione pubblicamente disponibile (SEM, GES-EM, MWST-EM, MMHC) sulle metriche: Structural Hamming Distance, precision, recall, tempoFile in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Neodo2014.pdf
accesso aperto
Dimensione
4.42 MB
Formato
Adobe PDF
|
4.42 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/18570