Si bien no estoy personalmente familiarizado con las redes AODE, pero sí estoy familiarizado con
Modelos gráficos (un campo que parece generalizar ambos). Presuntuoso
que por Bayesian Net te refieres a “Naive Bayes Classifier” (NBC), y usando la definición de Wikipedia de AODE net (Estimadores promedios de una dependencia) ofrecería lo siguiente:
- NBC considera las características (X) independientes dada la clase (Y) ([matemáticas] P (y | x_i)) [/ matemáticas]
- AODE considera PARES de características independientes, dada la clase [matemática] P (Y | x_i, x_j) [/ matemática]. Por lo tanto, modela las dependencias por pares entre las características, que se suponen independientes por el NBC
En particular, un AODE con N características se puede convertir en un NBC considerando distribuciones de valores en todos los pares de características N ^ 2.
Esto proporciona una mayor flexibilidad de modelado a un mayor costo en los parámetros del modelo (por lo tanto, en general, los datos necesarios para obtener importancia) y el tiempo de cálculo.
- ¿Cómo es trabajar con Watson de IBM?
- ¿Qué significa decir: "En la geometría de la información, el paso E y el paso M se interpretan como proyecciones bajo dos conexiones afines"?
- ¿Qué tan cerca estamos de poder crear máquinas autorreplicantes que puedan replicarse utilizando minerales que se encuentran en el espacio exterior?
- Cuando implementa algoritmos de aprendizaje automático, ¿cómo puede saber si su algoritmo es el enfoque incorrecto, si necesita ajustar los parámetros o si hay un error en su código?
- ¿Cómo se aplica la inteligencia artificial a los problemas ambientales?
