arXiv 机器学习· Victor Alejandre, Pedro Larra\~naga, Concha Bielza·· 6 小时前AI 评分33
半参数贝叶斯网络中的狄利克雷过程混合模型：一种新型条件密度估计方法
Dirichlet Process Mixtures within Semiparametric Bayesian Networks: A Novel Conditional Density Estimation Approach
AI 导读
研究提出基于狄利克雷过程混合模型（DPM）的半参数贝叶斯网络（DPM-SPBN），用于连续变量的非参数条件概率分布建模。该方法通过扩展开源 PyBNesian 实现，利用数据自适应聚类在降低推理成本的同时提升估计精度。实验表明，DPM-SPBN 在合成数据上取得了更低的绝对对数似然误差，其结构学习与密度估计误差均低于基于 KDE 的传统模型。
来源：arXiv 机器学习 · arxiv.org