AncomWiki

Discrete Bayesian Network Classifiers: A Survey

Properties1
description이 문서는 1960 년 naive Bayes 모델 도입 이후 부활한 Discrete Bayesian Network Classifiers 의 장점 (해석 가능성, 복잡한 데이터 수용, 효율적 알고리즘 등) 과 현재까지 개발된 분류기들을 구조 복잡도 증가 순으로 정리한 서베이 논문 개요입니다.

6 min read

Discrete Bayesian Network Classifiers: A Survey

Source

  • Evernote/IFTTT Feedly/Discrete Bayesian Network Classifiers A Survey.md

Summary

이 문서는 1960 년 naive Bayes 모델 도입 이후 부활한 Discrete Bayesian Network Classifiers 의 장점 (해석 가능성, 복잡한 데이터 수용, 효율적 알고리즘 등) 과 현재까지 개발된 분류기들을 구조 복잡도 증가 순으로 정리한 서베이 논문 개요입니다.

Key Points

  • Bayesian Network Classifiers 는 모델 해석 가능성, 복잡한 데이터 및 문제 설정에 대한 적응력, 학습 및 분류의 효율성, 실제 문제 적용 성공 사례 등의 강점을 가집니다.
  • 논문은 구조 복잡도가 증가하는 순서로 분류기들을 서술합니다: Naive Bayes, Selective Naive Bayes, Seminaive Bayes, One-dependence, K-dependence, BN-augmented Naive Bayes, Markov blanket-based, Unrestricted, Bayesian Multinets.

그래프 뷰

백링크