Supongamos, el siguiente modelo gráfico.
[matemáticas] A \ rightarrow B \ rightarrow C \ rightarrow D \ rightarrow E [/ math]
Supongamos que queremos calcular P (E) o podemos calcular E para cierto valor como P (E = e). Luego, bajo el modelo gráfico, necesitamos calcular
- ¿Cuáles son las configuraciones adecuadas para la agrupación de documentos con K-means?
- ¿Qué se necesita para aprender a construir una aplicación de reconocimiento de imágenes?
- ¿Cuál es una buena manera de entender la pérdida de Minkowski con una configuración diferente?
- ¿Cómo es trabajar con Watson de IBM?
- Regularización: ¿Por qué se llaman así los SVM L1 y L2 cuando ambos miden la distancia a un hiperplano a lo largo de la proyección ortogonal?
[matemáticas] p (E) = \ sum_ {A, B, C, D} P (A, B, C, D, E) [/ matemáticas]
Si consideramos que cada variable toma los valores posibles de [math] n [/ math], esto tomará el tiempo de cálculo [math] O (n ^ 4) [/ math].
Sin embargo, E solo depende de D. Por lo tanto, no necesitamos calcular otras variables, podemos eliminarlas (por supuesto, eliminamos mediante la reorganización del término de suma a lo largo de los nodos de dependencia).
Finalmente, terminaremos con
[matemáticas] P (E) = \ sum_ {D} P (E | D) P (D) [/ matemáticas] esto solo requiere [matemáticas] O (n ^ 2) [/ matemáticas].
La eliminación de variables es importante porque reduce el tiempo de cálculo al eliminar cálculos innecesarios.