GeNie GeNie: entorno de desarrollo para la construcción de modelos gráficos de decisión Decision...
Preview:
Citation preview
- Diapositiva 1
- GeNie GeNie: entorno de desarrollo para la construccin de
modelos grficos de decisin Decision Systems Laboratory, University
of Pittsburgh
- Diapositiva 2
- Modelos Grficos Probabilsticos Modelos Grficos: teora de
probabilidades y teora de grafos Problemas complejos en
incertidumbre Diseo y anlisis de algoritmos de aprendizaje
automtico (Clasificacin) Representacin del problema modular donde
la probabilidad soporta la consistencia del conjunto y conecta el
modelo y los datos empricos Estructuracin de las relaciones entre
variables del problema mediante grafos y marco operativo de los
algoritmos de inferencia Tipos de modelos grficos: no dirigidos y
dirigidos (redes Bayesianas) La direccin muestra influencia y puede
reflejar causalidad. La ausencia de relacin en el grafo muestra
independencia condicional REDES BAYESIANAS: grafo dirigido sin
ciclos Nodos == Variables Aleatorias Arcos == Influencia
Condicional
- Diapositiva 3
- Modelos Grficos Probabilsticos GRAFO + MODELO DE PROBABILIDAD
Variables Marginales y Condicionadas Marginalizacin Propagacin de
Evidencia Sensibilidad y Explicacin Factorizacin (eficiente, 2 n
n*2 k ) de la distribucin conjunta de las variables REDES
BAYESIANAS
- Diapositiva 4
- Diagramas de influencia DIAGRAMA DE INFLUENCIA: Grafo Dirigido
Sin Ciclos Nodos == Valor, Decisin y Azar Arcos Condicionales e
Informativos Conjunto de posibles valores de las variables Nodos:
sucesores/predecesores directos/indirectos Funcin de utilidad
(nodos de valor) Distribucin de probabilidad condicionada (nodos de
azar) Poltica de decisin ptima, con utilidad mxima esperada
- Diapositiva 5
- Diagramas de influencia DIAGRAMA DE INFLUENCIA Propio:
representa un problema de decision formulado por un decisor
Orientado: existe un nodo valor Regular: grafo dirigido sin ciclos,
el nodo de valor sin sucesores, hay un camino dirigido que contiene
todas las decisiones Arcos de Memoria Transformaciones a un
Diagrama de Influencia - Eliminacin de Nodos Sumideros - Eliminacin
de Nodos de Azar - Eliminacin de Nodos de Decisin - Inversin de
Arcos Algoritmo de evaluacin de un diagrama orientado y
regular
- Diapositiva 6
- Diagramas de influencia Invertir "Estado" "Resultados" (Teorema
de Bayes) Eliminar "Estado" (Esperanza Condicionada) Eliminar
"Compra" (Utilidad Esperada Mxima) Eliminar "Resultados" (Esperanza
Condicionada) Eliminar "Prueba" (Utilidad Esperada Mxima)
- Diapositiva 7
- Diagramas de influencia
- Diapositiva 8
- GeNie GeNie, Tutorial Acceso al programa e Interfaz Redes
Bayesianas y Diagramas de Influencia Recuperar y grabar modelos
Trabajo en modo grfico Introduccin de evidencia Evaluacin de
modelos y muestra de resultados Uso de valores de control Valor
informacin y anlisis de sensibilidad Acceso y edicin de datos y
limpieza Aprendizaje de la estructura y los parmetros de una red
bayesiana
- Diapositiva 9 0.999 0.001 Disease 0.95 0.05 0.02 0.98 La red
bay"> 0.999 0.001 Disease 0.95 0.05 0.02 0.98 La red bayesiana
ms simple"> 0.999 0.001 Disease 0.95 0.05 0.02 0.98 La red bay"
title="GeNie 0.999 0.001 Disease 0.95 0.05 0.02 0.98 La red
bay">
- GeNie 0.999 0.001 Disease 0.95 0.05 0.02 0.98 La red bayesiana
ms simple
- Diapositiva 10
- GeNie Una red bayesiana sencilla
- Diapositiva 11
- GeNie Construccion de Modelos Grficos Probabilsticos Estructura
y modelo probabilstico Expertos Datos Aprendizaje de redes
bayesianas, algoritmos !!! Aprendizaje de diagramas de influencia
???
- Diapositiva 12
- GeNie Evaluacin de Redes Bayesianas Exacta/Aproximada
Algoritmos Evaluacin de Diagramas de de Influencia Directa,
transformacion en red bayesiana o arbol de decisin Algoritmos
Exacta/Aproximada Algoritmos Explotacin del modelo (Consulta,
Explicacin y Anlisis de Sensibilidad)