Apprendimento di reti bayesiane
da database di esempi

Learning Discrete Bayesian Nets from Data (english)

Sommario

Le reti di Bayes sono modelli grafici di probabilità in cui i nodi rappresentano variabili aleatorie e gli archi le dipendenze causali fra variabili. Questa relazione descrive come apprendere la struttura grafica e la distribuzione di probabilità connesse alla rete a partire da un database di realizzazioni delle variabili. Viene presentata una tecnica basata su due passi: nel primo passo viene appresa la struttura selezionando il modello grafico che massimizza una appropriata funzione di costo, nel secondo vengono apprese le tabelle di probabilità associate a ciascun nodo tramite un approccio Bayesiano. Sono illustrati i fondamenti teorici della metodologia e i risultati ottenuti applicandola a database provenienti sia da processi simulati che reali.

Keywords: Bayesian networks, data mining, knowledge discovery in databases, learning, modeling.

Indice

• Apprendimento bayesiano
• Risultati da reti simulate
• Apprendimento da dati reali
• Osservazioni conclusive
• Riferimenti bibliografici

Award

This work has been selected to be presented at the 5th congress of AI*IA (Artificial Intelligence Italian Association) Rome, 17-19th Sept. 1997 as a winner of the Student Project Contest.