Markov blanket
http://dbpedia.org/resource/Markov_blanket an entity of type: WikicatBayesianNetworks
In statistics and machine learning, when one wants to infer a random variable with a set of variables, usually a subset is enough, and other variables are useless. Such a subset that contains all the useful information is called a Markov blanket. If a Markov blanket is minimal, meaning that it cannot drop any variable without losing information, it is called a Markov boundary. Identifying a Markov blanket or a Markov boundary helps to extract useful features. The terms of Markov blanket and Markov boundary were coined by Judea Pearl in 1988.
rdf:langString
En apprentissage automatique, la couverture de Markov pour un nœud d'un réseau bayésien est l'ensemble des nœuds composés des parents de , de ses enfants et des parents de ses enfants. Dans un réseau de Markov, la couverture de Markov d'un nœud est l'ensemble de ses nœuds voisins. La couverture de Markov peut également être désignée par .
rdf:langString
Em estatística e aprendizado de máquina, o envoltório de Markov para um nó em um grafo probabilístico contém todas as variáveis que ligam o nó do restante da rede. Isso significa que o envoltório de Markov de um nó é o único conhecimento necessário para prever o comportamento desse nó e de seus filhos. O termo foi cunhado pela Judea Pearl em 1988. O envoltório Markov para um nó em uma rede bayesiana, denotada aqui por , é o conjunto de nós composto por pais de filhos de outros pais das crianças.
rdf:langString
Марковское ограждение для узлов в графовой модели содержит все переменные, которые ограждают узел от остальной сети. Это означает, что марковское ограждение узла является единственным знанием, необходимым для предсказания поведения узла и его детей. Термин ввёл Джуда Перл в 1988. В байесовской сети значения родителей и детей узла очевидно дают информацию об узле. Однако родителей его детей также нужно включать, поскольку их можно использовать для объяснения рассматриваемого узла. В марковской сети марковское ограждение для узла — это просто его смежные узлы.
rdf:langString
У машинному навчанні ма́рковське покриття́ (англ. Markov blanket) вузла баєсової мережі — це множина вузлів , складена з батьківських вузлів , його дочірніх вузлів, та інших батьківських вузлів його дочірніх вузлів. У марковському випадковому полі марковське покриття вузла — це множина його сусідніх вузлів. Марковське покриття може також позначатися через . Будь-яка множина вузлів мережі є від , будучи обумовленою множиною , тобто, будучи обумовленою марковським покриттям вузла . Ймовірність володіє марковською властивістю; формально, для різних вузлів та
rdf:langString
rdf:langString
Couverture de Markov
rdf:langString
Markov blanket
rdf:langString
Envoltório de Markov
rdf:langString
Марковское ограждение
rdf:langString
Марковське покриття
xsd:integer
1169984
xsd:integer
1020426884
rdf:langString
In statistics and machine learning, when one wants to infer a random variable with a set of variables, usually a subset is enough, and other variables are useless. Such a subset that contains all the useful information is called a Markov blanket. If a Markov blanket is minimal, meaning that it cannot drop any variable without losing information, it is called a Markov boundary. Identifying a Markov blanket or a Markov boundary helps to extract useful features. The terms of Markov blanket and Markov boundary were coined by Judea Pearl in 1988.
rdf:langString
En apprentissage automatique, la couverture de Markov pour un nœud d'un réseau bayésien est l'ensemble des nœuds composés des parents de , de ses enfants et des parents de ses enfants. Dans un réseau de Markov, la couverture de Markov d'un nœud est l'ensemble de ses nœuds voisins. La couverture de Markov peut également être désignée par .
rdf:langString
Em estatística e aprendizado de máquina, o envoltório de Markov para um nó em um grafo probabilístico contém todas as variáveis que ligam o nó do restante da rede. Isso significa que o envoltório de Markov de um nó é o único conhecimento necessário para prever o comportamento desse nó e de seus filhos. O termo foi cunhado pela Judea Pearl em 1988. Em uma rede bayesiana, os valores dos pais e filhos de um nó evidentemente fornecem informações sobre esse nó. No entanto, os pais de seus filhos também precisam ser incluídos, pois podem ser usados para explicar o nó em questão. Em um campo aleatório de Markov, o envoltório de Markov para um nó é simplesmente seus nós adjacentes (ou vizinhos). Em uma rede de dependência, o envoltório Markov para um nó é simplesmente o conjunto de seus pais. O envoltório Markov para um nó em uma rede bayesiana, denotada aqui por , é o conjunto de nós composto por pais de filhos de outros pais das crianças. Todo conjunto de nós na rede é condicionalmente independente de quando condicionado no aparelho , ou seja, quando condicionado no envoltório Markov do nó : em outras palavras, dados os nós em , A é condicionalmente independente dos outros nós no grafo. Formalmente, essa propriedade pode ser gravada, para nós distintos e , do seguinte modo
rdf:langString
Марковское ограждение для узлов в графовой модели содержит все переменные, которые ограждают узел от остальной сети. Это означает, что марковское ограждение узла является единственным знанием, необходимым для предсказания поведения узла и его детей. Термин ввёл Джуда Перл в 1988. В байесовской сети значения родителей и детей узла очевидно дают информацию об узле. Однако родителей его детей также нужно включать, поскольку их можно использовать для объяснения рассматриваемого узла. В марковской сети марковское ограждение для узла — это просто его смежные узлы. Марковское ограждение для узла в байесовской сети — это набор узлов , состоящий из родителей , его детей и других родителей его детей. В марковской сети марковское ограждение узла состоит из множества его соседей. Марковское ограждение узла A может также обозначаться как . Любое множество узлов в сети условно независимы от , если оно зависит от множества , то есть, когда оно зависит от марковского ограждения узла . Вероятность имеет марковское свойство. Формально, для различных узлов и :
rdf:langString
У машинному навчанні ма́рковське покриття́ (англ. Markov blanket) вузла баєсової мережі — це множина вузлів , складена з батьківських вузлів , його дочірніх вузлів, та інших батьківських вузлів його дочірніх вузлів. У марковському випадковому полі марковське покриття вузла — це множина його сусідніх вузлів. Марковське покриття може також позначатися через . Будь-яка множина вузлів мережі є від , будучи обумовленою множиною , тобто, будучи обумовленою марковським покриттям вузла . Ймовірність володіє марковською властивістю; формально, для різних вузлів та Марковське покриття вузла містить всі змінні, які екранують цей вузол від решти мережі. Це означає, що марковське покриття вузла є єдиним знанням, потрібним для передбачування його поведінки. Цей термін було запроваджено Перлом 1988 року. У баєсовій мережі значення батьків та дітей вузла, очевидно, дають інформацію про цей вузол; проте батьків його дітей також має бути включено, оскільки вони можуть застосовуватися для пояснення даного вузла. У марковському випадковому полі марковське покриття вузла є просто його сусідніми вузлами.
xsd:nonNegativeInteger
4140
