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)