Learning Bayesian network parameters from small data sets by using ranked nodes method

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği A.B.D., Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: İngilizce

Öğrenci: SILA İŞYAR

Asıl Danışman (Eş Danışmanlı Tezler İçin): Barbaros Yet

Eş Danışman: Ceren Tuncer Şakar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bayes Ağları (BA) belirsizlik altında karar destek problemleri için uygun bir modelleme yaklaşımı sunan olasılıksal grafiksel modellerdir. BA'nın hem grafiksel yapısı hem de koşullu olasılık tabloları verilerden öğrenilebilir. Bu çalışma verilerin sınırlı miktarda olduğu durumlarda BA'nın koşullu olasılıklarını öğrenmeye odaklanmaktadır. Sıralı düğümler yöntemi, değerleri arasında sıralı ilişki bulunan değişkenlerin koşullu olasılık tablolarını tanımlamak için gereken parametre sayısını azaltmak için önerilmiştir. Bu yöntem sıralı BA değişkenlerini Kesilmiş Normal dağılım ile yakınsayarak, koşullu olasılık dağılımlarını tabloların gerektirdiğinden daha az parametre ile tanımlar. Bu avantaja karşın, önceki çalışmalarda sıralı düğümler yöntemi yalnızca BA'nı uzman bilgisi ile tanımlamak için kullanılmış, sıralı düğümleri veriden öğrenmeye yönelik yöntemler incelenmemiştir. Bu çalışma sıralı düğümleri veriden öğrenmek için bir yaklaşım önermektedir. Bu yaklaşım sıralı düğümlerin sürekli dağılımları arasındaki ilişkiyi öğrenmek için kesilmiş normal regresyon, beta regresyon ve lineer regresyon yöntemlerini kullanmakta ve sonra bunları BA için koşullu olasılık tablolarına dönüştürmektedir. Önerilen yöntemin performansı farklı veri boyutları ve BA yapılarına sahip deneyler ile değerlendirilmiştir.