《表1 贝叶斯网稀疏结构估计结果相关信息》
注:*表示贝叶斯稀疏网络结构得分最大值。
discretecdAlgorithm包没有提供模型选择的具体实现方法。本文分别尝试BIC(Bayesian Information Criterion)准则、BDe(Bayesian Dirichlet equivalent)得分和对数似然损失作为模型选择标准。论文没有采用交叉验证选择模型,原因在于研究目的不是分类预测而是结构发现。研究发现,对数似然损失不适合作为稀疏模型选择的标准;BIC和BDe得分一定程度上可以实现稀疏模型的选择,但BIC得分更敏感,BDe得分较稳定。表1显示,随着网络边数的增加,测度模型拟合优度的对数似然损失逐渐增大,说明具有较小预测误差的DAG往往趋于拥有较多的边;BIC得分开始缓慢增长,但当边数大于16后,得分急剧降低;BDe得分变化趋势与BIC类似,但没有BIC波动剧烈。
图表编号 | XD0042683400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 郭珉、石洪波、程鑫 |
绘制单位 | 山西财经大学信息管理学院、山西财经大学信息管理学院、山西财经大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |