Библиотека для байесовских сетей
Привет, помощники номерного знака
Как говорится в заголовке, я ищу библиотеку для обучения и вывода Bayesian Networks. Я уже нашел некоторые, но я надеюсь на рекомендацию.
Требования в кратком обзоре:
- желательно написанный на Java или Python
Конфигурация
- (также самой сети): a) возможна и b) возможна через код (и не только через GUI).
- доступен исходный код
- проект по-прежнему поддерживается
- Чем мощнее, тем лучше
Какой из них вы рекомендуете?
Ответы
Ответ 1
Посмотрите Weka. Это как бы популярно на моей шее в лесу... Это с открытым исходным кодом и написано на Java.
Это расскажет вам о байесовских сетях в Weka, из реферата:
- Структура обучения байесовских
сети, использующие различные подъемники
(K2, B и т.д.) И общего назначения
(имитированный отжиг, поиск табу)
алгоритмы.
- Локальные показатели
реализованы; Bayes, BDe, MDL,
энтропия, AIC.
- Показатели глобальной оценки
реализованы; оставить один из cv, k-fold
cv и cumulative cv.
- Условный
независимое основополагающее причинное восстановление
доступный алгоритм.
- Параметры
оценки с использованием прямых оценок и
Усреднение по байесовской модели.
- GUI для
легкий осмотр байесовских сетей.
Ответ 2
Итак, здесь я даю свой субъективный ответ.
Из моего опыта все, что связано с статистикой, лучше всего решать с R. Я часто это видел, что в полях, связанных с статистикой, R имеет большинство библиотек и очень часто самые современные алгоритмы/методы.
Большинство программистов, таких как я, любят оставаться на языках, которые они знают, и изучать что-то новое - это компромисс, главным образом потому, что это требует много времени.
Итак, если изучение нового языка является жизнеспособным вариантом, R - хороший выбор, на мой взгляд лучший.
Кратко взгляните на библиотеки R, связанные с байесовскими сетями и байесовскими помехами.
Baysian:
http://cran.r-project.org/web/views/Bayesian.html
Графические модели:
http://cran.r-project.org/web/views/gR.html
Машиноведение:
http://cran.r-project.org/web/views/MachineLearning.html
Основные преимущества R:
- простая установка библиотеки: install.packages( "RWeka" )
- формат и стиль справки одинаковы для всех библиотек
- если вы знаете R, легко переключаться с одной библиотеки на другую. Поэтому легко протестировать все доступные библиотеки, а затем использовать тот, который лучше всего подходит
Ответ 3
Никогда не использовал его, но, возможно, библиотека MALLET соответствует счету?