MDL/Bayesを用いたベイジアンネットワークの構造推定 -連続データを含む場合の一致性について‐

• Item type: SIG Technical Reports(1)
• 公開日: 2014-06-18
• タイトル: MDL/Bayesを用いたベイジアンネットワークの構造推定 -連続データを含む場合の一致性について‐
• タイトル / 言語: en
• タイトル: Learning Bayesian network structures when discrete and continuous variables are present
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 大阪大学大学院理学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science, Osaka University
• 著者名: 鈴木, 讓
• 著者名(英): Joe, Suzuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Bayesian ネットワークで、連続データと離散データが混在している場合の構造推定をおこなう。変数集合の各部分集合に、Bayes 的にスコアを割り当てると、それらを組み合わせて、各構造のスコアが求まる。それらを比較して、事後確率が最大の構造を推定する。提案方式は、連続データが含む場合の MDL 基準の一般化に相当する原理に基づいている。したがって、サンプル数が多くなれば、確率 1 で真の構造を推定することが予想される。今回は、数学的な証明には至らなかったが、種々の実験によって、そのことが真であることの evidence を得た。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In any database, some fields are discrete and others continuous in each record. We consider learning Bayesian network structures when discrete and continuous variables are present. Thus far, most of the previous results assumed that all the variables are either discrete or continuous. We propose to compute a new Bayesian score for each subset of discrete and continuous variables, and to obtain a structure that maximizes the posterior probability given examples. We evaluate the proposed algorithm and make experiments to see that the error probability and Kullback-Leibler divergence diminish as n grows whereas the computation increases linearly in the logarithm of the number of bins in the histograms.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2014-BIO-38, 号 6, p. 1-8, 発行日 2014-06-18
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会