Son representaciones gráficas de dependencia de razonamiento probabilístico.

Son representaciones gráficas de dependencia de razonamiento probabilístico.

Fue enunciado por Thomas Bayes en la teoría de la probabilidad Dadas dos variables X e Y , tales que P(x)>0 , para todo xy P(y)>0 para todo y , se cumple:

Fue enunciado por Thomas Bayes en la teoría de la probabilidad

Dadas dos variables X e Y , tales que P(x)>0 , para todo xy P(y)>0 para todo y , se cumple:

El razonamiento probabilístico o propagación de probabilidades consiste en propagar los efectos de la evidencia a través de la red para conocer la probabilidad a posteriori de las variables. Los algoritmos de propagación dependen de la estructura de la red: Árboles. Poli-árboles. Redes multi-conectadas. Poliárbol Árbol

El razonamiento probabilístico o propagación de probabilidades consiste en propagar los efectos de la evidencia a través de la red para conocer la probabilidad a posteriori de las variables.

Los algoritmos de propagación dependen de la estructura de la red:

Árboles.

Poli-árboles.

Redes multi-conectadas.

Un clasificador, en general, suministra una función que clasifica, una instancia, especificada por una serie de características o atributos, en una o en diferentes clases predefinidas. Se mencionan dos tipos de aprendizaje: Aprendizaje estructural. Aprendizaje paramétrico.

Un clasificador, en general, suministra una función que clasifica, una instancia, especificada por una serie de características o atributos, en una o en diferentes clases predefinidas.

Se mencionan dos tipos de aprendizaje:

Aprendizaje estructural.

Aprendizaje paramétrico.

Un clasificador es una función que asigna una etiqueta clase a una instancia descrita mediante un conjunto de atributos. C A1 An A2 ……

Un clasificador es una función que asigna una etiqueta clase a una instancia descrita mediante un conjunto de atributos.

Se lo puede realizar de dos formas: TAN: Clasificador bayesiano simple al cual se le aumenta con un árbol. BAN: Clasificador bayesiano simple al cual se le aumenta con una red. TAN BAN C A1 A2 A3 C A2 A1 A3

Se lo puede realizar de dos formas:

TAN:

Clasificador bayesiano simple al cual se le aumenta con un árbol.

BAN:

Clasificador bayesiano simple al cual se le aumenta con una red.

Z Y X 1. Estructura Original X Z 2. Eliminación Z XY 3. Unión Y X W Z 4. Inserción

Aprendizaje Automático - conceptos básicos y avanzados, Pearson, Sierra B., 2006. Felgaer, Britos, Sicre, Servetto, Garcia Martnez, Perichinsky, "Optimizacion de Redes Bayesianas Basado en Tecnicas de Aprendizaje por Induccion", http: // www.itba. edu. ar/ capis/ rtis/ rtis-6-2/optimizacion-de-redes-bayesianas. pdf Valdes, F., "Comprension y Uso de la Estadstica", Universidad Romulo Gallegos, disponible en: http://www.cortland.edu/flteach/stats/glos-sp.html Wikipedia, Teorema de Bayes", mayo de 2008, se encuantra en: http://es.wikipedia.org/wiki/Teorema_de_Bayes Felgaer,"Redes Bayesianas", https://www.u-cursos.cl/ingenieria/2008/1/CC52A/1/material_alumnos/objeto/13237 Felgaer, E., Optimizacion de Redes Bayesianas Basado en Tecnicas de Aprendizaje por Induccion", abril de 2008 disponible en: www.fi.uba.ar/materias/7500/felgaer-tesisingenieriainformatica.pdf. Lopez, C., "Clasicadores por Redes Bayesianas", Universidad de Puerto Rico Mayaguez, http://grad.uprm.edu/tesis/lopezdecastilla.pdf.

Aprendizaje Automático - conceptos básicos y avanzados, Pearson, Sierra B., 2006.

Felgaer, Britos, Sicre, Servetto, Garcia Martnez, Perichinsky, "Optimizacion de Redes Bayesianas Basado en Tecnicas de Aprendizaje por Induccion", http: // www.itba. edu. ar/ capis/ rtis/ rtis-6-2/optimizacion-de-redes-bayesianas. pdf

Valdes, F., "Comprension y Uso de la Estadstica", Universidad Romulo Gallegos, disponible en: http://www.cortland.edu/flteach/stats/glos-sp.html

Wikipedia, Teorema de Bayes", mayo de 2008, se encuantra en: http://es.wikipedia.org/wiki/Teorema_de_Bayes

Felgaer,"Redes Bayesianas", https://www.u-cursos.cl/ingenieria/2008/1/CC52A/1/material_alumnos/objeto/13237

Felgaer, E., Optimizacion de Redes Bayesianas Basado en Tecnicas de Aprendizaje por Induccion", abril de 2008 disponible en: www.fi.uba.ar/materias/7500/felgaer-tesisingenieriainformatica.pdf.

Lopez, C., "Clasicadores por Redes Bayesianas", Universidad de Puerto Rico Mayaguez, http://grad.uprm.edu/tesis/lopezdecastilla.pdf.