路易斯·坎波斯(Luis M.De Campos)。 基于互信息和条件独立性测试的贝叶斯网络学习评分函数。 (英文) Zbl 1222.62036号 J.马赫。学习。物件。 7, 2149-2187 (2006). 摘要:我们提出了一种新的评分函数,用于使用评分从数据中学习贝叶斯网络+搜索算法。这是基于互信息的概念,并以一种新颖的方式利用了该度量的一些众所周知的属性。本质上,为了测量网络中每个变量及其父变量之间的相互作用程度,结合了与互信息测度相关的基于齐方分布的统计独立性检验以及该测度的加性分解特性。结果是一个称为MIT(互信息测试)的非贝叶斯评分函数,它属于基于信息理论的分数家族。麻省理工学院的分数也代表了与候选网络和可用数据集相关联的联合概率分布之间的Kullback-Leibler差异的惩罚。还介绍了对所提出的评分函数的完整实验评估的详细结果,以及它与众所周知的K2、BDU和BIC/MDL评分的比较。 引用于26文件 MSC公司: 2015年1月62日 贝叶斯推断 62B10型 信息理论主题的统计方面 68T99型 人工智能 62G10型 非参数假设检验 关键词:学习;相互信息 软件:MLC公司++ PDF格式BibTeX公司 XML格式引用 \textit{L.M.De Campos},J.Mach。学习。第7号决议,2149--2187(2006;Zbl 1222.62036) 全文: 链接