《表1 贝叶斯网稀疏结构估计结果相关信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于贝叶斯网稀疏结构学习的信用影响因素结构发现》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。