Statistics8 <Causal Inference> 베이지안 네트워크 모델 <3. 구조학습 문제점 및 해결> Bayesian Network Model0. 정의1. 구조 학습(Structure Learning)2. 확률 추정(Parameter Estimate)3. 구조 학습 문제점 및 해결(NOTEARS algorithm)3. 구조학습 문제점 및 해결(NOTEARS algorithm)문제점조합 최적화의 복잡성베이지안 네트워크 구조학습은 조합 최적화를 진행한다.이건 모든 그래프 구조 조합을 탐색해 최적의 구조를 찾는 방법인데, 탐색의 효율성을 올리기 위해알고리즘을 사용하긴 하지만, 그럼에도 노드(변수)의 수가 증가한다면 지수적으로 탐색 공간이 증가한다.비순환성 제약베이지안 네트워크는 DAG 구조를 가지기 위해 비순환성을 보장해야한다.이 보장을 위해 기존 방법에서는 복잡한 제약조건을 추가할 필요가 있었으며, 이런 .. 2024. 6. 18. <Causal Inference> 베이지안 네트워크 모델 <2. 확률 추정> Bayesian Network Model0. 정의1. 구조 학습(Structure Learning)2. 확률 추정(Parameter Estimate)3. 구조 학습 문제점 및 해결(NOTEARS algorithm)2. 확률 추정(Parameter Estimate)베이지안 네트워크 모델에서 구조 학습이 완료되면,각 노드 별 구체적인 조건부 확률분포(CDP)를 추정하는데, 이를 매개변수 추정이라고 한다.이 때 조건부 확률은 부모 노드가 주어졌을 때의 각 노드에서 값이 발생하는 확률이다.일반적인 확률 추정 방식으로는 최대우도 추정(MLE)과 베이지안 추정(Bayesian Estimation)을 사용한다.최대우도 추정(Maximum Likelihood Estimation, MLE)이 방법은 모든 노드의 조.. 2024. 6. 18. <Causal Inference> 베이지안 네트워크 모델 <1. 구조 학습> Bayesian Network Model0. 정의1. 구조 학습(Structure Learning)2. 확률 추정(Parameter Estimate)3. 구조 학습 문제점 및 해결(NOTEARS algorithm)1. 구조 학습(Structure Learning)베이지안 네트워크 모델링을 할 때 가장 먼저 하는 일은 구조를 학습하는 것이다.즉, 모든 변수를 대상으로 변수 간 관계를 연결한 후 모든 조합에 대해 특정 계산을 적용해 최적의 조합을 찾는다.이 때 계산식은 제약기반접근법(Constraint-based Approach) 또는 점수기반접근법(Score-based Approach)를 사용한다.제약기반접근법(Constraint-based Approach)이 방법은 각 변수의 독립성 조건을 이용해 구조를.. 2024. 6. 17. <Causal Inference> 베이지안 네트워크 모델 <0. 정의> Bayesian Network Model0. 정의1. 구조 학습(Structure Learning)2. 확률 추정(Parameter Estimate)3. 구조 학습 문제점 및 해결(NOTEARS algorithm)0. 정의Bayesian Networks, 또는 Bayesian Belief Networks (BBNs)은 확률적 그래픽 모델의 일종으로, 변수들 간의 조건부 종속성을 나타내는 방향성 비순환 그래프 (DAG)이다.이 모델은 주로 확률론적 추론을 위해 사용되며, 변수들 간의 관계를 시각적으로 이해하고 표현하는데 도움을 준다.Bayesian Networks는 통계적 데이터 분석, 의사결정, 예측 모델링 등 다양한 분야에서 활용된다. Bayesian Networks의 구성 요소1. 노드 (Node)각.. 2024. 6. 17. 이전 1 2 다음 반응형
