Markovská deka - Markov blanket
v statistika a strojové učení, když chceme odvodit náhodnou proměnnou pomocí sady proměnných, obvykle stačí podmnožina a ostatní proměnné jsou k ničemu. Taková podmnožina, která obsahuje všechny užitečné informace, se nazývá a Markovská deka. Pokud je Markovova deka minimální, což znamená, že nemůže pustit žádnou proměnnou bez ztráty informací, nazývá se a Markovská hranice. Identifikace markovské deky nebo markovské hranice pomáhá získat užitečné funkce. Pojmy markovské deky a markovské hranice byly vytvořeny Judea Pearl v roce 1988.[1]
Markovská deka
A Markovská deka náhodné proměnné v sadě náhodných proměnných je libovolná podmnožina z podmíněné, na kterých jiných proměnných jsou nezávislé :
Znamená to, že obsahuje všechny informace, které člověk potřebuje odvodit a proměnné v jsou nadbytečné.
Markovská deka obecně není jedinečná. Jakékoli nastavení která obsahuje Markovovu deku, je také samotná Markovova deka. Konkrétně je markovská deka v .
Markovská hranice
A Markovská hranice z v je podmnožina z , že sama o sobě je markovská deka , ale jakákoli správná podmnožina není markovská deka . Jinými slovy, markovská hranice je minimální markovská deka.
Markovská hranice a uzel v Bayesovská síť je sada uzlů složená z rodiče, děti a další rodiče dětí. V Markovovo náhodné pole, Markovova hranice pro uzel je množina jeho sousedních uzlů. V síť závislostí „Markovskou hranicí uzlu je množina jeho rodičů.
Jedinečnost hranice Markova
Markovská hranice vždy existuje. Za určitých mírných podmínek je hranice Markova jedinečná. Existují však některé teoretické a praktické případy s více markovskými hranicemi[2]. Pokud existuje více markovských hranic, veličiny měřící kauzální účinek mohou selhat[3].
Viz také
Poznámky
- ^ Pearl, Judea (1988). Pravděpodobnostní uvažování v inteligentních systémech: sítě pravděpodobného závěru. Série Reprezentace a uvažování. San Mateo CA: Morgan Kaufmann. ISBN 0-934613-73-7.
- ^ Statnikov, Alexander; Lytkin, Nikita I .; Lemeire, Jan; Aliferis, Constantin F. (2013). „Algoritmy pro objevování několika markovských hranic“ (PDF). Journal of Machine Learning Research. 14: 499–566.
- ^ Wang, Yue; Wang, Linbo (2020). „Kauzální závěr v degenerovaných systémech: výsledek nemožnosti“. Sborník 23. mezinárodní konference o umělé inteligenci a statistice: 3383–3392.