1

私には非常に一般的な仕事があるようですが、情報を見つけるのに役立ついくつかのキーワードがありません。だから私は自分の仕事を述べます。

人がいます。変数のセットは、各人について知られています。人物P1とP2のペアは、次の関係(クラス)のいずれかになります。

  1. 親子
  2. 兄弟
  3. パートナー(重要なもの)
  4. その他(一部の間接的な親族または非家族)

既知の関係を持つペア(Pi、Pk)のいくつかの変数を選択することにより、単純ベイズ分類器をトレーニングしてクラスを予測できます。これはいい。

今。私にはP1、P2、... Pmのセットがあり、家系図を表す最も可能性の高いグラフを作成する必要があります。ベイズ分類器をペアで使用することもできますが、この場合、グラフに保存されている情報や複数のノードの組み合わせで保存されている情報はあまり使用しません。

たとえば、ノードP1、P2、P3、およびP4が指定されます。私のベイズ分類器は、0.9の確率でP2がP1の親であり、P4がP3の親であると考えています。P1とP3の関係では、兄弟の場合はp = 0.31、パートナーの場合はp = 0.34を返すため、結果の信頼性は非常に低くなります。ここで、P2とP4の関係を分類すると、たとえば0.7の確率で「パートナー」が得られれば、P1とP3が実際には兄弟であると確信できます。一方、P2とP4が0.8の確率で「その他」である場合、P1とP3はパートナーであると結論付ける方が安全です。

このロジックを手動でコーディングすることもできますが、特に10人または20人程度の関係グラフを作成する場合は、さらに多くのケースと論理的な依存関係があると思います。したがって、私はある種の分類器または分類器システムを使用したいと思います。

ただし、この分類システムの出力は、バイナリ値またはスカラー値ではなく、グラフ全体になります。何を使用できますか、またはどこから探し始めることができますか?

ありがとう!

4

1 に答える 1

1

ある種の構造学習をしてもらいたい。グラフがビットよりもはるかに複雑であるように、構造学習は分類よりもはるかに複雑です。

最大事後(MAP)家系図を見つけて、個々の関係についての確率的知識を適用することをお勧めします。MAPは、すべての知識を考慮した場合に最も可能性の高い単一の割り当てです。確率的に関連する項目間の関係を理解する一般的な問題は、確率的推論、または単に推論と呼ばれます。

最近完了した確率的グラフィカルモデルクラスのコース資料にアクセスできるかどうかはわかりませんが、それは十分に勉強しているでしょう。

于 2012-07-18T22:47:45.877 に答える