學習筆記，僅供參考，有錯必究

關鍵詞：分類，貝葉斯網絡，學習算法，評分函數，有向無環圖，部分有向無環圖

---

Learning Bayesian Network Classifiers: Searching in a Space of Partially Directed Acyclic Graphs

摘要

有一種普遍的觀點認為，學習非限制類型的貝葉斯網絡的算法，特別是那些基于得分+搜索范式的算法，并不適合構建有競爭力的基于貝葉斯網絡的分類器。此后，人們開發了幾種專門的算法，將搜索進行到不同類型的有向無環圖(DAG)拓撲中，這些算法大多是Naive Bayes基本拓撲的擴展(使用增強弧)或修改。

在本文中，我們提出了一種新的基于貝葉斯網絡的誘導分類器的算法，即使在使用標準的評分函數時也能獲得很好的結果。該方法在不同于非限制性或增強型DAG的空間中進行簡單的局部搜索。我們的搜索空間由一種部分定向無環圖（PDAG）組成，它結合了DAG等價的兩個概念：分類等價和獨立性等價。詳盡的實驗結果表明，所提出的方法可以與最先進的分類算法競爭。

簡介

監督分類是數據挖掘中的一項重要任務，它為通過一組特征或屬性描述的數據項分配預定義的類標簽。分類器是將實例映射到

總結

以上是生活随笔為你收集整理的文献记录(part16)--Learning Bayesian Network Classifiers: Searching in a Space of Partially ...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。