Mon Oct 10

概率图模型

贝叶斯网络(三)--完整数据集下的结构学习

上一个章节中，讲到了贝叶斯网络常用的评分函数，本节主要讲下搜索的算法，搭配上搜索算法，对于贝叶斯网络的结构学习就完整啦。贝叶斯网络的结构学习问题是一个NP-hard问题，所以实际上计算中并不是对所有的结构分别计算并且评分的，而是采用搜索算法按照某种评分在可能的拓扑结构中进行搜索来获取结构。最基本的搜索算法是启发式的局部搜索算法，主要是K2搜索，Hill-climbing算法、随机重复爬山算法、禁忌

Fri Oct 7

概率图模型

贝叶斯网络(二)--完整数据下结构学习

本节介绍在完整数据集合下如何来构建概率图的模型。主要分为两个部分，一部分是结构的学习，一部分是参数的学习。结构学习基于评分-搜索的结构学习基于评分-搜索的结构学习主要有两部分组成，就是评分函数和搜索算法。常用的评分函数有BDe评分函数。MDL评分函数和BIC评分函数，搜算法包括启发式局部搜索算法和全局搜索算法。BDe评分函数基于BDe评分函数的结构学习是以贝叶斯统计学为理论基础的，主要的思想是假设

Mon Oct 3

概率图模型

贝叶斯网络(一)--有向网络结构

贝叶斯网络一般是指带有概率信息的有向无环图。贝叶斯网络的信息有两部分组成。首先是表示独立信息的一个网络结构S，S中每个节点表示特定域中的一个概念或者变量，节点间的弧表示了可能的因果关系，体现了域知识的特征。其次每个节点都负有一个与该变量相联系的概率分布函数(CPD)，如果概率是离散的，那么在给定了父母节点的时候取不同值的条件概率表(CPT).CPT体现了域知识的定量方面的特征。可见，贝叶斯网络是

Wed Sep 28

概率图模型因果推断

贝叶斯网络(零)--概率图网络框架

本节主要介绍为贝叶斯网络网络开个头，介绍一些名词和背景知识。贝叶斯网络对于概率图而言是一个很大的话题，以边的属性作为区分可以分为两种模型，有向图模型和无向图模型。其中无向图称为马尔可夫网络，视觉领域有比较大的应用，而有向图也就是BN(belief network).当然也有无向图和有向图相结合的网络，称为链图（Chain graph）。图1给出了一个完整的架构，当然这些模型具有一定的转换性，通过降

Sun Sep 25

因果推断

因果推断(十三)--因果发现框架

本章节中咱们来聊聊如何发现一个因果结构，先给出因果的框架长成什么样子。一组变量V的因果结构是一个有向无环图，其中每个节点对应的V的一个变量，每个连接表示对应变量之间的直接函数关系。

Sun Sep 18

概率图模型因果推断

因果推断(十二)--贝叶斯网络

之前的章节中咱们已知介绍给定因果图关系以后如何分析图中各个因素之间的关系，对撞路径等等。今天这篇文章中咱们主要介绍一下贝叶斯网络的雏形，开启因果推断的核心区域的探索。条件独立与图咱们在训练模型的时候经常会说条件变量独立，或者是独立同分布这样的名词，那么条件独立怎么在因果中使用并且怎么给出一个比较客观的定义呢？令V={V1,V2...}V=\{V_{1}, V_{2}...\}V={V1,V2.

Thu Sep 15

时间序列运筹规划

时间序列预测(六)--时序预测概率分布应用

大家一定知道，所有的预测永远不可能把误差控制到0，所以当已知这样的预测结果，如何尽可能的提升可用度呢？咱们举个例子销量预测这是一个十分简单的问题，业务通过预测接来下一段时间内的销量变化，从而尽可能小的损失维持一个库存水平。先描述一下咱们面临的问题。日销量给定参数μ\muμ, σ\sigmaσ, 商品的日销量独立且服从正态分布N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)仓库容量 W

Sun Sep 11

战略感悟

感悟之降维打击

最近看了一本书，比较有意思，将书中一些关键的点分享出来，供大家分享使用，其实不管你知道多少道理，最后一定要你的生活中使用才能获得正在的成长。老鼠的降维思路大家知道，如果再过几千年以后，地球上最可能存活的生物什么吗？如果人类已经不在啦，哪会有什么生物存在的。估计就是老鼠、蟑螂这类的生物会称霸地球。人类对老鼠总是喊打喊杀，为什么这么长的时间里，却没有将其完全消灭呢？引出第一个结论，谁在主场谁就是

Thu Jul 28

因果推断

因果框架--潜因果框架(二)

今天咱们进一步看因果推断的内容，做的业务多了以后你就发现，每当端到端的模型，一般不能解决你的认知问题，你做了一个端到端的模型，可能仅仅也就是是个模型，可能最重要的是你从这个事情中学到了什么？这个才能驱使你成为一个专家，行业专家。所以多了解一些因果推断的内容是十分必要的，今天就来看看uplift建模方式。重新出发因果推断的建模大致为了解决以下几个问题。ITE: 单体的处置效应$$ITE=Y_{i}

Sun Jul 24

时间序列

时间序列预测(五)--Prophet模型

今天来介绍一个Prophet模型是FB出品的一个可解释性极强的一个模型，使用起来十分简单，咱们主要还是讲解其中的原理。Prophet模型Prophet模型使用经典的时间分解预测的方法，将预测任务分类趋势影响、季节影响、节假日影响，以及噪声影响，这也比较适合咱们的时间预测的场景。$$y_{t}=g(t)+s(t)+h(t) \tag{1.1}$$$y_{t}$是预测值，$s(t)$季节趋势、$g(

Fri Jul 22

时间序列

时间序列预测(四)--TCN模型

今天介绍的是TCN模型，在介绍这个模型的过程中，会介绍很多额外的小知识点，个人觉得还是很有用的。下面咱们就来介绍TCN模型。TCN模型先来看问题定义，对于时序问题还是老生常谈的输入输出形式。 $x=[x_{0},x_{1},...x_{T} ]$, 作为输入的值，输出就是对应的$y=[y_{0}, y_{1},...,y_{T}]$作为输出。那么TCN模型是如何组织模型结果的呢？刚开始的时候作者

Wed Jul 20

时间序列

时间序列预测(三)--LSTNet模型

今天来介绍另一个复杂的模型LSTNet模型，这个时序模型是专门解决多元时间预测问题的，多元时间预测哦。模型结构十分复杂，其中很多设计还是能有很多借鉴作用的，希望大家能够学习并且用到实际工作中。LSTNet模型结构

贝叶斯网络(三)--完整数据集下的结构学习

贝叶斯网络(二)--完整数据下结构学习

贝叶斯网络(一)--有向网络结构

贝叶斯网络(零)--概率图网络框架

因果推断(十三)--因果发现框架

因果推断(十二)--贝叶斯网络

时间序列预测(六)--时序预测概率分布应用

感悟之降维打击

因果框架--潜因果框架(二)

时间序列预测(五)--Prophet模型

时间序列预测(四)--TCN模型

时间序列预测(三)--LSTNet模型

最新文章

分类

标签云

最新文章

标签

Your browser is out-of-date!