बेसिकियन नेटवर्क (बीएन) बनाम संरचनात्मक समीकरण मॉडल (SEM)

19

यहां की शब्दावली एक गड़बड़ है। "संरचनात्मक समीकरण" के बारे में अस्पष्ट है जैसा कि "वास्तुशिल्प पुल" और "बायेसियन नेटवर्क" आंतरिक रूप से बेयसियन नहीं है । इससे भी बेहतर, गॉड-ऑफ-एक्टिविटी जुडीया पर्ल का कहना है कि मॉडल के दो स्कूल लगभग समान हैं।

तो, महत्वपूर्ण अंतर क्या हैं?

(मेरे लिए आश्चर्यजनक, SEM के लिए विकिपीडिया पृष्ठ में "नेटवर्क" शब्द भी इस लेखन के रूप में शामिल नहीं है।)

sem bayesian-network causality

— zkurtz
स्रोत

यहाँ यहूदिया पर्ल से एक संक्षिप्त विवरण दिया गया है: reasonality.cs.ucla.edu/blog/index.php/2012/12/07/…

— dmp

@dmp, धन्यवाद, जो '

— जूडी

11

जहां तक मैं बता सकता हूं, बेयसियन नेटवर्क गैर-निर्देशित चक्रीय ग्राफ में कारण प्रभाव का अनुमान लगाने में सक्षम होने का दावा नहीं करते हैं, जबकि एसईएम करता है। यह SEM के पक्ष में एक सामान्यीकरण है ... यदि आप इसे मानते हैं।

इसका एक उदाहरण लोगों में संज्ञानात्मक गिरावट को मापना हो सकता है जहां अनुभूति एक अव्यक्त प्रभाव है जिसका सर्वेक्षण 3MSE जैसे सर्वेक्षण उपकरण का उपयोग करके किया जाता है, लेकिन कुछ लोग अनुभूति को दर्द मेड के उपयोग के कार्य के रूप में कम कर सकते हैं। उनके दर्द मेड्स संज्ञानात्मक गिरावट (उदाहरण के लिए गिरने) के कारण खुद को घायल करने का परिणाम हो सकते हैं। और इसलिए, एक क्रॉस सेक्शनल विश्लेषण में, आपको एक ग्राफ़ दिखाई देगा जिसमें एक गोलाकार आकृति होगी। SEM के विश्लेषकों की तरह समस्याओं से निपटने के लिए। मैं साफ करता हूं।

बेयस नेटवर्क की दुनिया में, आपके पास सशर्त स्वतंत्रता / नोड्स की निर्भरता का आकलन करने के बहुत सामान्य तरीके हैं। कोई भी वितरण के किसी भी संख्या के साथ एक पूरी तरह से पैरामीट्रिक दृष्टिकोण का उपयोग कर सकता है, या मैं के बारे में सुना है बेसेनियन नॉनपैमेट्रिक दृष्टिकोण के बारे में जाना। एमएल का उपयोग करने वाले एसईएम का अनुमान है (आमतौर पर) सामान्य माना जाता है, जिसका अर्थ है कि सशर्त स्वतंत्रता ग्राफ में 2 नोड्स के लिए शून्य सहसंयोजक होने के बराबर है। मेरा व्यक्तिगत रूप से मानना है कि यह एक मजबूत धारणा है और इसमें मॉडल प्रक्षेपन के लिए बहुत कम मजबूती होगी।

— Adamo
स्रोत

यह एक अंतर हो सकता है कि चिकित्सकों ने अपने विश्लेषण को क्या कहा है, लेकिन कुछ भी संरचनात्मक समीकरणों की एक प्रणाली को पैरामीट्रिक होने के लिए मजबूर नहीं करता है। @ ज़र्कर्ट्ज़: पर्ल के कॉज़ेलिटी में एसईएम क्या हैं, इसकी एक लंबी और तकनीकी रूप से विस्तृत चर्चा है। यदि आपके पास पुस्तक नहीं है, तो मैं एक संक्षिप्त सारांश पोस्ट करने और आपके द्वारा पोस्ट किए गए लिंक में संदर्भित उदाहरण को ट्रैक करने का प्रयास कर सकता हूं।

— बंद करें

हालांकि यह सच है कि सह-अस्तित्व के अनुमान गैर-सामान्य संभाव्यता मॉडल के लिए सुसंगत हैं, मुख्य मुद्दा सशर्त स्वतंत्रता के रूप में 0 सहसंयोजक की व्याख्या है। सामान्य तौर पर, यह केवल सामान्य रूप से वितरित चर के बारे में कहा जा सकता है।

— एडमो

2

मैं वास्तव में इसे नहीं समझता, लेकिन यहाँ देखें :

संरचनात्मक समीकरण मॉडल और बायेसियन नेटवर्क इतने अंतरंग रूप से जुड़े हुए दिखाई देते हैं कि मतभेदों को भूलना आसान हो सकता है। संरचनात्मक समीकरण मॉडल एक बीजीय वस्तु है। जब तक कारण ग्राफ़ में चक्रीय रहता है, बीजगणितीय जोड़तोड़ को कारण प्रणाली पर हस्तक्षेप के रूप में व्याख्या की जाती है। बायेसियन नेटवर्क एक जेनेटिक सांख्यिकीय मॉडल है जो संयुक्त संभाव्यता वितरण के एक वर्ग का प्रतिनिधित्व करता है, और, जैसे, बीजीय जोड़तोड़ का समर्थन नहीं करता है। हालांकि, इसके मार्कोव कारक का प्रतीकात्मक प्रतिनिधित्व एक बीजीय वस्तु है, जो अनिवार्य रूप से संरचनात्मक समीकरण मॉडल के बराबर है।

— zkurtz
स्रोत

विशेष रूप से, मुझे आश्चर्य है कि वे इस संदर्भ में "बीजगणितीय जोड़तोड़" से क्या मतलब है।

— zkurtz