向格罗、朱西·莫法、杰克·库伊珀斯。
年份：2021年，数量：22，版本：266，页码：1−44
摘要
贝叶斯网络是研究复杂系统中变量依赖结构的强大框架。贝叶斯网络的学习问题与给定的数据类型密切相关。序贯数据，如癌症分期、评分量表调查问题和考试的字母分数，在应用研究中普遍存在。然而，现有的解决方案主要针对连续和标称数据。在这项工作中，我们提出了一种迭代记分和搜索方法，称为序数结构EM（OSEM）算法，用于从序数数据中学习贝叶斯网络。与针对标称数据设计的传统方法不同，我们明确尊重类别之间的排序。更准确地说，我们假设序数变量来源于对一组高斯变量进行边缘离散，这些高斯变量在潜在空间中的结构依赖遵循一个有向无环图。然后，我们采用结构EM算法并推导出闭式评分函数，以实现高效的图搜索。通过仿真研究，我们说明了OSEM算法相对于其他算法的优越性能，并分析了可能影响学习精度的各种因素。最后，我们通过对408名强迫症和抑郁症并存症状患者的心理调查数据的实际应用，证明了我们方法的实用性。
PDF格式
BibTeX公司
代码