machine-learning - probabilidades - redes bayesianas ppt

Biblioteca para redes bayesianas

Question

Hola compañeros crujientes de números

Como lo sugiere el titular, estoy buscando una biblioteca para el aprendizaje y la inferencia de las redes bayesianas. Ya he encontrado algunos, pero estoy esperando una recomendación.

Requisitos en una visión general rápida:

• preferiblemente escrito en Java o Python
• la configuración (también de la propia red) es a) posible yb) posible a través del código (y no únicamente a través de una GUI).
• código fuente disponible
• proyecto sigue siendo mantenido
• Cuanto más poderoso, mejor

Cúal me recomiendas ?

Answer 1

Así que aquí doy mi respuesta subjetiva.

Desde mi experiencia, todo lo relacionado con las estadísticas se resuelve mejor con R. He visto esto a menudo que en los campos relacionados con las estadísticas, R tiene la mayoría de las bibliotecas y, muy a menudo, los algoritmos / métodos más avanzados implementados.

A la mayoría de los programadores como yo les gusta estar con los lenguajes que conocen, y aprender algo nuevo es un intercambio, principalmente porque consume mucho tiempo.

Entonces, si aprender un nuevo idioma es una opción viable, R es una buena opción, en mi opinión la mejor.

Eche un vistazo a las bibliotecas R relacionadas con las redes bayesianas y las interferencias bayesianas.

Baysian: http://cran.r-project.org/web/views/Bayesian.html

Modelos gráficos: http://cran.r-project.org/web/views/gR.html

Aprendizaje automático: http://cran.r-project.org/web/views/MachineLearning.html

Las principales ventajas de R:
- fácil de instalar una biblioteca: install.packages ("RWeka")
- El formato y estilo de ayuda es el mismo para todas las bibliotecas.
- Si conoces R, es fácil cambiar de una biblioteca a la siguiente. Así que es fácil probar todas las bibliotecas disponibles y luego usar la que mejor se ajuste

Answer 2

Echa un vistazo a Weka . Es algo popular en mi cuello del bosque ... Es de código abierto y escrito en Java.

This le informará acerca de las redes bayesianas en Weka, a partir del resumen:

• Aprendizaje de estructuras de redes bayesianas usando varios algoritmos de escalada (K2, B, etc.) y de propósito general (recocido simulado, búsqueda tabú).
• Métricas de puntaje local implementadas; Bayes, BDe, MDL, entropía, AIC.
• Métricas de puntaje global implementadas; dejar uno fuera cv, k-fold cv y cv acumulativo.
• Independencia condicional basado en el algoritmo de recuperación disponible.
• Estimación de parámetros utilizando estimaciones directas y promediado del modelo bayesiano.
• GUI para fácil inspección de redes bayesianas.

Answer 3

Nunca lo usé, pero ¿tal vez la biblioteca MALLET ajusta a los requisitos?