Rozwiązywanie zagadnień klasyfikacyjnych z wykorzystaniem sieci bayesowskich

• Autorzy: Grzegorz Tarczyński

Warianty tytułu

Solving Clustering Problems with Bayesian Nets

• Języki publikacji: PL

Abstrakty

Sieci bayesowskie są narzędziem o szerokim zastosowaniu. Jednym z zagadnień, do których się je wykorzystuje, są problemy klasyfikacji danych. W artykule omówiono wybrane metody automatycznego generowania sieci bayesowskich. Przedstawiono również wyniki symulacji na różnych zbiorach danych. Porównano jakość otrzymanych klasyfikatorów i skomentowano problemy związane z zastosowaniem omawianych metod. Do obliczeń wykorzystano pakiet GeNie. (abstrakt oryginalny)

EN

Bayesian nets have very wide area of applications - they can be used for solving clustering problems too. The purpose of this paper is to present methods for learning both the parameters and structure of a Bayesian network. There are described such methods as naive, PC, EGS, GTT and TPDA. The algorithms were used to solve clustering problems based on real and artificial data. The paper contains the comparison of results and suggestion when one needs to use a particular method. (original abstract)

Słowa kluczowe

PL

Sieci bayesowskie; Metody klasyfikacyjne; Symulacja

EN

Bayesian network; Classification methods; Simulation

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2010
• Numer: nr 108 Współczesne tendencje rozwojowe badań operacyjnych
• Strony: 354--262

Twórcy

autor

Grzegorz Tarczyński

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Cheng J., Bell D., Liu W., Learning Bayesian Networks from Data: An efficient approach based on information theory, Proceeding of the sixth ACM International Conference on Information and Knowledge Management, 1997.
• Cheng J. et al., Learning Bayesian networks from data: An information-theory based approach, "Artificial Intelligence" 2002 vol. 137 no 1, s. 43-90.
• Dash D., Druzdzel M., A Hybrid Anytime Algorithm for the Construction of Casual Models from Sparse Data, Morgan Kaufmann Publishers, Inc., San Francisco (CA) 1999, s. 142-149.
• Heckerman D., A Tutorial on Learning with Bayesian Networks, Technical Report, Redmond, (WA) 1995.
• KDD Cup 2001 Report, SIGKDD Explorations, 2002.
• Pearl J., Probabilistic Reasoning in Intelligent Systems: Networks of plausible inference, Morgan Kaufmann Publishers, Inc., San Mateo (CA) 1988.