Impresionante pregunta 🙂
El gráfico en la red bayesiana (BN) captura la independencia condicional entre las variables aleatorias.
Las siguientes son las formas en que se genera la estructura en BN:
- ¿Cómo funciona el algoritmo de recomendación de filtrado basado en contenido?
- ¿Cómo se construye una máquina del tiempo?
- ¿Cuáles son las implicaciones epistemológicas del hecho de que no podríamos haber programado conscientemente una red neuronal para hacer lo que hace?
- ¿Puedo incluir el aprendizaje automático en mi currículum después de aprender scikit-learn?
- ¿Cuántas muestras de entrenamiento se necesitan para obtener un modelo confiable en ML?
- El gráfico puede ser dibujado a mano por los expertos del dominio respectivo.
- Los gráficos también se construyen utilizando algoritmos de aprendizaje basados en puntajes o restricciones basados en los datos dados y basados en ciertos supuestos (datos completos o incompletos y faltantes o no y otros).
- Algoritmos híbridos que se basan en los dos métodos anteriores. Se aprende un gráfico utilizando un algoritmo, pero se utilizan conocimientos expertos para aprender el gráfico de manera más eficiente.
Además, el aprendizaje de BN puede subcategorizarse como exacto o (aproximado o heurístico).
Los métodos de aprendizaje exactos pertenecen al método 2 y se basan en la puntuación. Los algoritmos exactos han demostrado empíricamente ser mejores en la mayoría de los casos en comparación con otros métodos. Y esta diferencia en calidad aumenta con más y más variables involucradas. Pero realizar un aprendizaje exacto es un problema NP-Complete.
