본문 바로가기

Statistics/Probabilistic Graphical Model

(4)

베이지안 네트워크(Bayesian network)를 활용한 King County의 집값 분석 베이지안 네트워크(Bayesian network)를 활용하여 King County의 집값에 영향을 미치는 다양한 요소의 인과관계를 확인하고, 분석하는 것이 이 프로젝트의 목적이다. 데이터의 출처는 여기(www.kaggle.com/harlfoxem/housesalesprediction)이고, 아래의 구성 순서대로 분석 및 모델링 과정을 수행할 것이다. 모든 코드는 R로 작성되었다. 1. 데이터 전처리 2. 시각화 및 상관관계 분석 3. 다중회귀분석 4. 베이지안 네트워크 모델링 1. 데이터 전처리 In: # Statistic library(car) # Data manipulation library(dplyr) library(tidyr) # Visualization library(ggplot2) librar..

베이지안 네트워크(Bayesian network) (3) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Potential functions 2. Absorption in clique graph 3. Example of belief propagation 1. Potential functions ▷ Potential function은 잠재적으로 확률이 되는 함수로써, 아직 확률의 조건을 만족하기에 충분하지 않은 함수를 의미한다. 이 함수는 Belief propagation을 통해 확률로써 바뀌게 된다. 이에 대한 내용은 이후에 다루기로 하겠다. ▷ 위의 예는 Potential function을 설명하기 쉽게 나타낸 베이지안 네트워크..

베이지안 네트워크(Bayesian network) (2) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Factorization of Bayesian network 2. Conditional probability 3. Most probable assignment 4. Marginalization and elimination 5. Variable elimination 1. Factorization of Bayesian network ▷ 베이지안 네트워크의 Factorization은 Full joint distribution을 구할 때, 개별 노드의 Conditional probability의 Condition에 포함되는 노드를 각..

베이지안 네트워크(Bayesian network) (1) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Conditional vs. Marginal independence 2. Bayesian network 3. Interpretation of Bayesian network 4. Typical local structures 5. Bayes ball algorithm 1. Conditional vs. Marginal independence ▷ Conditional independence와 Marginal independence는 둘 다 독립을 의미하지만, 약간의 차이가 있다. Marginal independence는 P(A|B) ..

이전 1 다음

티스토리툴바