MIM公司

图形建模导论。图形建模是一种多元分析的形式，它使用图形来表示模型。这些图表显示了模型中变量之间的关联和因果依赖关系的结构。这本教科书提供了一个图形建模的介绍，强调应用和实用性，而不是一个正式的发展。可从网络上下载一个基于MIM的免费建模软件包。在介绍场景和描述图形建模的一些基本思想之后，接下来的章节将描述特定的模型族，包括对数线性模型、高斯模型以及混合离散和连续变量的模型。接下来的章节包括假设检验和模型选择。第七章和第八章是第二版的新内容。第7章介绍了有向图、链图和其他图的使用。第8章总结了一些有关因果推理的最新工作，当图形模型被给予因果解释时是相关的。这本书将为学生和研究人员提供一个关于这个主题的有用的介绍。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（引用于 128篇文章，标准条款2)

显示128个结果中的1到20个。
按年份排序(引用)

1 2 三 ... 5 6 7 下一个

  1. 范建青；冯，杨；夏，露西：基于投影的条件相关测度及其在高维无向图模型中的应用（2020）
  2. 郭，肖；张，海：包含协变量的稀疏有向无环图（2020）
  3. 黄东明；詹森，卢卡斯：通过调节来放松仿制品的假设（2020）
  4. Javidian，Mohammad Ali；Valtorta，Marco；Jamshidi，Pooyan:AMP链图：最小分隔符和结构学习算法（2020）
  5. 李春林；沈晓彤；潘伟：大有向无环图的似然比检验（2020）
  6. 彭思思；沈晓彤；潘伟：带干预的有向无环图的重构（2020）
  7. Abbruzzo，Antonino；Vujačić，Ivan；Mineo，Angelo M.；Wit，Ernst C.：在惩罚高斯图形模型中选择调谐参数（2019年）
  8. Fop，Michael；Murphy，Thomas Brendan；Scrucca，Luca：基于稀疏协方差矩阵的模型聚类（2019年）
  9. 郭，肖；张，海；王，姚；梁，勇：包含无标度特性的稀疏有向无环图的结构学习（2019）
  10. Kalyagin，Valery A.；Koldanov，Alexander P.；Koldanov，Petr A.；Pardalos，Panos M.：高斯图形模型选择的损失函数、无偏性和最优性（2019年）
  11. 徐凯；郝新新：高维小样本块对角协方差结构的非参数检验（2019）
  12. De Bastiani，Fernanda；Rigby，Robert A.；Stasinopoulous，Dimitrios M.；Cysneiros，Audrey H.M.A.；Uribe Opazo，Miguel A.：GAMLSS中的高斯-马尔可夫随机场空间模型（2018年）
  13. Hong，Younghee；Kim，Choongrak：高维协方差估计及其相关问题的最新进展，综述（2018）
  14. 李培丽；肖云海：一种基于对偶形式的稀疏逆协方差矩阵估计的有效算法（2018）
  15. Sadinle，Mauricio:记录关联不确定性的贝叶斯传播到侵犯人权行为的人口规模估计中（2018年）
  16. Yang，Zhooran；Ning，Yang；Liu，Han:关于半参数指数族图形模型（2018）
  17. 袁晓彤；李萍；张彤彤：梯度硬阈值追求（2018）
  18. Yuen，T.P.；Wong，H.；Yiu，K.F.C.：关于图形时间序列模型的约束估计（2018）
  19. Datta，Sagnik；Gayraud，Ghislaine；Leclerc，Eric；Bois，Frederic Y.：\textitGraph_sampler:DAG模型完全贝叶斯分析的简单工具（2017）
  20. Hirose，Kei；Fujisawa，Hironori；Sese，Jun:鲁棒稀疏高斯图形建模（2017）

1 2 三 ... 5 6 7 下一个