Machine learning 作为分类器输出的图形
似乎我有一个非常常见的任务,但我缺少一些可以帮助我找到信息的关键字。所以我陈述了我的任务 有人。每个人都知道一组变量。一对人员P1和P2可以处于以下关系之一(即类):Machine learning 作为分类器输出的图形,machine-learning,classification,Machine Learning,Classification,似乎我有一个非常常见的任务,但我缺少一些可以帮助我找到信息的关键字。所以我陈述了我的任务 有人。每个人都知道一组变量。一对人员P1和P2可以处于以下关系之一(即类): 亲子 兄弟姐妹 合作伙伴(重要的合作伙伴) 其他(一些间接亲属或非家庭成员) 通过选择具有已知关系的成对变量(Pi,Pk),我可以训练朴素贝叶斯分类器来预测类。这很好 现在。我有一组人P1,P2。。。Pm,我需要建立代表家谱的最可能图。我可以两两使用Bayes分类器,但在这种情况下,我不会使用存储在图形/多个节点组合中的大量信息
谢谢 你想让一些人做点什么。就像图形比比特复杂得多,结构学习比分类复杂得多 你们可能想找到一个最大后验概率(MAP)家谱,这取决于你们对个体关系的概率知识。鉴于你的所有知识,地图是最有可能完成的任务。找出概率相关项之间关系的一般问题称为推理,有时称为推理
我不知道你是否能在最近完成的课程中获得课程材料,但那将是一个很好的学习。你想让一些人做些什么。就像图形比比特复杂得多,结构学习比分类复杂得多 你们可能想找到一个最大后验概率(MAP)家谱,这取决于你们对个体关系的概率知识。鉴于你的所有知识,地图是最有可能完成的任务。找出概率相关项之间关系的一般问题称为推理,有时称为推理 我不知道你是否能在最近完成的课程中获得课程材料,但那将是一个很好的学习