Többváltozós Bayesi asszociációs elemzési módszerek eredményeinek utófeldolgozása és vizualizációja

OData támogatás
Konzulens:
Dr. Antal Péter
Méréstechnika és Információs Rendszerek Tanszék

A viszonylagos nagy változószám és kevés statisztikai adat több tárgyterületen is indokolja a jegykiválasztás probléma többváltozós Bayesi megközelítését, amely esetben a magyarázó változók részhalmazaihoz egy a posteriori valószínűség tartozik. Azonban a szignifikáns valószínűségekkel rendelkező lehetséges részhalmazok száma igen nagy lehet, továbbá az a posteriori valószínűségek megbecslése is Monte Carlo alapú módszerek felhasználásával történik, ami a többszörös hipotézistesztelés problematikáját is felveti. Az eredmények értelmezése így igen összetett feladat, amelynek támogatására a BME MIT tanszéken több fogalmat és eljárást is kifejlesztettek, nevezetesen például a bennfoglaló és fedő k-Markov Takaró Halmaz fogalmát, amely egy változók számában skálázható többváltozós vetítését (egyszerűsítését) jelenti az eredményeknek.

A diplomamunka célja a k-Markov Takaró Halmazok tere fölött valószínűségek kiszámítására felhasználói támogatást biztosítani, felhasználva már kifejlesztett becslési eljárásokat. Továbbá a k-Markov Takaró Halamzok tere fölött valószínűségek vizualizációjának támogatása, beleértve a Markov Takaró Halmazbeliségek valószínűségeinek is a vizualizálását. A diplomamunka biztosítja továbbá a Markov Takaró Halmazokat kifeszítő Markov Takaró Algráfok és standard Bayes-hálók vizualizálását és szerkesztését is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.