Bayesci Ağlarda Öğrenme Algoritmalarının Karşılaştırılması

Abstract

Bayesci ağlar değişkenlerin düğümler şeklinde ve nedensel ilişkilerin oklarla gösterildiği grafiksel modellerdir. Bayesci ağlar bir yönlü döngüsüz grafik ve koşullu olasılık tablosu içermektedir. Bayesci ağlarda temel işlem, yönlü döngüsüz grafik (Y.D.G.) oluşturmak ve parametre denilen koşullu olasılık değerlerini elde etmektir. Bu iki işlem öğrenme olarak adlandırılmaktadır. Bayesci ağlarda yapı ve parametre öğrenme olmak üzere iki tür öğrenme yöntemi bulunmaktadır. Özellikle yapı öğrenme işlemi Bayesci ağları oluşturma konusunda önemli bir sorun haline gelmiştir. Bu çalışmada bilinen üç farklı Bayesci ağ kullanılarak yapı öğrenme algoritmaları karşılaştırılmıştır. Birinci bölümde literatür taraması ile birlikte çalışmanın giriş kısmı verilmiştir. İkinci bölümde grafiksel modeller, Bayesci yöntemler ve Bayesci ağlar hakkındaki temel tanımlar verilmiştir. Üçüncü bölümde bu çalışmada kullanılan yapı öğrenme yöntemleri tanıtılmıştır. Dördüncü bölümde yapı öğrenme algoritmalarının performanslarının karşılaştırılması gerçekleştirilmiştir. Beşinci bölümde karşılaştırma sonuçları tartışılmış ve gelecek çalışmalara yönelik öneriler sunulmuştur. Anahtar Kelimeler: Grafiksel Modelleme; Bayesci Ağlar; Öğrenme Yöntemleri; Yapı Öğrenme Algoritmaları

Bayesian networks are the graphical models that which variables are shown as nodes and causal relations are shown with arcs. Bayesian networks consist of a directed acyclic graph and a conditional probability table. In Bayesian networks, the main task is constructing D.A.G. and obtaining the conditional probability values which called as parameters. These two operations are called as learning. There are two kinds of learning methods such as structure and parameter learning in Bayesian networks. Especially, structure learning task has become an important problem for constructing the Bayesian networks. In this study the structure learning algorithms are compared using three different well known Bayesian networks. In the first chapter, the introduction part of the study is given with literature review. In the second chapter the basic definitions are given about graphical models, Bayesian methods and Bayesian networks. In the third chapter the structure learning methods are introduced which used in this thesis. In the fourth chapter the comparison of the performance of the structure learning algorithms are performed. In the fifth chapter the results of the comparisons are discussed and the recommendations are provided intended for the future works. Key Words: Graphical Modelling; Bayesian Networks; Learning Methods; Structure, Learning Algorithms