Bayesianische Ansätze erfreuen sich immer größerer Beliebtheit, können jedoch am Anfang überwältigend sein. Dieser ausführliche Leitfaden führt Sie durch Anwendungen, Bibliotheken und Abhängigkeiten von Kausalerkennungsansätzen.
Vor 12 Stunden
Die endlosen Möglichkeiten der Bayes’schen Techniken sind auch ihre Schwäche; Die Anwendungen sind enorm und es kann schwierig sein zu verstehen, wie Techniken mit verschiedenen Lösungen und damit Anwendungen zusammenhängen. In meinen vorherigen Blogs habe ich über verschiedene Themen wie Strukturlernen, Parameterlernen, Schlussfolgerungen und einen vergleichenden Überblick über verschiedene Bayes’sche Bibliotheken geschrieben. In diesem Blogbeitrag werde ich Sie durch die Landschaft der Bayes’schen Anwendungen führen und beschreiben, wie Anwendungen unterschiedlichen Ansätzen zur Kausalerkennung folgen. Mit anderen Worten, Wie erstellt man ein Kausalnetzwerk (Directed Uneven Graph) mit diskreten oder kontinuierlichen Datensätzen? Können kausale Netzwerke ohne Antwort-/Behandlungsvariablen ermittelt werden? Wie entscheiden Sie, welche Suchmethoden Sie verwenden möchten, z. B. PC, Hillclimbsearch usw.? Nachdem Sie diesen Weblog gelesen haben, wissen Sie, wo Sie anfangen müssen und wie Sie die am besten geeigneten Bayes’schen Techniken zur Kausalerkennung für Ihren Anwendungsfall auswählen. Nehmen Sie sich Zeit, schnappen Sie sich ein…