離散や連続を仮定しない確率的グラフィカルモデルの構造推定

抄録

Bayesian ネットワークで、連続データと離散データが混在している場合の構造推定をおこなう。変数集合の各部分集合に、Bayes 的にスコアを割り当てると、それらを組み合わせて、各構造のスコアが求まる。それらを比較して、事後確率が最大の構造を推定する。提案方式は、連続データが含む場合のMDL 基準の一般化に相当する原理に基づいている。したがって、サンプル数が多くなれば、確率1 で真の構造を推定することが予想される。今回は、数学的な証明には至らなかったが、種々の実験によって、そのことが真であることのevidence を得た。