文献

J-GLOBAL ID：201902251753819400   整理番号：19A2574308

系統的に失われたデータを用いたデータセットからのBayesネットワークの学習パラメータ:メタ解析的アプローチ【JST・京大機械翻訳】

Learning parameters of Bayesian networks from datasets with systematically missing data: A meta-analytic approach

著者 (1件)： Kovacic Jelena (Institute for Medical Research and Occupational Health, Ksaverska cesta 2, 10000 Zagreb, Croatia)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 141  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 以前の研究は,付加的データ源を用いることがBayesネットワークにおけるパラメータ学習を改善できることを示唆した。しかし,追加のデータセットがすべてのネットワーク変数を含まない場合,標準的なBayesネットワーク学習技術も標準的な欠落データ法も適用できない。このような状況において,メタ解析手法の使用を提案した。2つの現実の生物医学的事例(1つの離散的および1つのGauss Bayesianネットワーク)に関するいくつかの研究結果をシミュレーションすることによって,そのようなメタ解析的アプローチの性能を評価した。ネットワークタイプに関係なく,メタ解析手法は,単一データセット解析よりも不均一性の存在に敏感でない,より高い平均対数尤度値を示した。2つの方法の間の差異は,サンプルサイズが小さいときに最も顕著であった(N=100)。メタ解析的アプローチに対して,対数尤度の増加は,追加データで推定されたノード数と正の相関があった。しかし,単一データセット解析の場合には,非同定性とバイアスの増加による問題により,小さなデータセットからのまれなイベント確率を推定する場合,注意が必要である。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  バイアス ,  定性分析 ,  不均一性 ,  *ネットワーク ,  *メタ分析
準シソーラス用語： 対数尤度 ,  生物医学 ,  パラメータ学習 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： Bayesネットワーク ,  Meta-分析 ,  欠測データ

分類 (4件)： 分子・遺伝情報処理  (JE15040B) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (5件)： 系統 ,  データセット ,  Bayesネットワーク ,  学習パラメータ ,  メタ解析