Brevemente, el modelo de un árbol de decisión corresponde al modelo para un solo nodo de un modelo gráfico. Es decir, un árbol construye un modelo condicional en la forma:
[matemáticas] p (y | x_1, x_2,… x_k) [/ matemáticas]
Entonces, todo el árbol representaría un solo nodo en el modelo gráfico. Por lo tanto, no puede representar un árbol como una red bayesiana de ninguna manera informativa.
- Cómo hacer una carrera desde el nivel más básico hasta el nivel profesional en ciencia de datos, aprendizaje automático y aprendizaje profundo
- ¿Qué es la enseñanza profunda?
- ¿Debería aprender aprendizaje automático, desarrollo en la nube o desarrollo de juegos en Unity como estudiante universitario de primer año?
- Como principiante en Deep Learning hoy, ¿qué marco debo usar?
- En la clasificación binaria, ¿es una buena práctica siempre sobre / submuestrear su conjunto de datos para tener un número idéntico de muestras de las dos clases?
Pero puede representar un clasificador con una red bayesiana. El ingenuo clasificador de Bayes nos ofrece un ejemplo trivial.
Existe un “clasificador de red bayesiano”. El artículo original fue de Nir Friedman et al. En los viejos tiempos (cuando todavía vivía en Palo Alto y él trabajaba en una oficina a pocas cuadras de mi piso). Estas son una extensión de clasificadores ingenuos de Bayes, y existen varias versiones en la actualidad como los AnDE y KDB de Geoff Webb (tendrás que buscarlos para saber cuáles son las siglas) que funcionan muy bien y son rápidos de entrenar.