本文提出了一种基于最大熵模型的算法 MTV,该算法采用迭代更新的方式发现给定数据中最丰富的项目集合,从而构建出简洁但非冗余的数据摘要,并通过实验证明其有效性。
Apr, 2019
本文介绍了一种关于主观趣味测量的普遍策略,通过将先前的信息作为对数据的不确定性的概率模型的约束来表示其先前信息,从而使之有意义并实用。同时,使用 MaxEnt 模型来衡量主观趣味测量的各种措施。
Aug, 2010
通过对八个流行图形基准数据集进行实证调查,本文回答了一个开放性问题,即排除无法测试的假设是否也会提高子图挖掘的统计功率,并提出了一种新的高效搜索策略,极大地提高了统计功率。
Jul, 2014
基于贝叶斯方法的深度生成模型用于处理不确定性、稀疏数据和健康数据分析,通过数据驱动方式提取具有生物学意义的元签名。
Nov, 2023
本文旨在提出解决复杂数据分析问题中的信心度测量的方法,包括判断两个节点之间的边缘是否成立、一个给定节点的马尔可夫毯子是否鲁棒以及变量排序等方面,并通过 Efron 的 Bootstrap 方法来实现对这些问题的计算高效求解。此外,作者提出使用这些信心度测量来从数据中产生更好的结构,以及检测潜在变量的存在。
Jan, 2013
基于贝叶斯方法的对话式推荐系统,通过概率质量函数更新物品,信息理论标准最优地塑造互动并决定何时结束对话,并相应地推荐最可能的物品,结合历史数据进行先验信息推断,应用于 stagend.com 平台,并通过实证分析显示出推荐质量和效率方面的优势。
Feb, 2020
提出了一种基于近似算法的模型平均方法,该方法仅考虑可靠的模型且能在数据量较大的情况下高效地进行比较。
Nov, 2018
本文提出了一种基于实值项集的质量评分方法,并通过将数据集转换为二进制数据并计算其支持度的方法来解决阈值问题,从而有效地发现出具有统计显著性的模式。
Feb, 2019
本文提出了一种初步的探索网络结构的方法,该方法利用了 Tsetlin Machines 进行 Bayesian Networks 建模并处理相关性和因果关系。
May, 2023
本论文研究从数据中学习贝叶斯网络结构的问题,提出了一种算法用于发现最佳的贝叶斯网络结构,通过贝叶斯模型平均计算感兴趣的假设的后验概率,在多个数据集上展示本算法优于模型选择方法和最先进的 MCMC 方法。
Mar, 2012