Los enfoques bayesianos se están volviendo cada vez más populares, pero pueden resultar abrumadores al principio. Esta extensa guía lo guiará a través de aplicaciones, bibliotecas y dependencias de enfoques de descubrimiento causal.
Las infinitas posibilidades de las técnicas bayesianas son también su debilidad; las aplicaciones son enormes y puede resultar problemático comprender cómo se relacionan las técnicas con las diferentes soluciones y, por tanto, con las diferentes aplicaciones. En mis blogs anteriores, escribí sobre varios temas, como aprendizaje de estructuras, aprendizaje de parámetros, inferencias y una descripción general comparativa de diferentes bibliotecas bayesianas. En esta publicación de blog, lo guiaré a través del panorama de las aplicaciones bayesianas y describiré cómo las aplicaciones siguen diferentes enfoques de descubrimiento causal. En otras palabras, ¿Cómo se crea una red causal (gráfico acíclico dirigido) utilizando conjuntos de datos discretos o continuos? ¿Se pueden determinar redes causales sin (sin) variables de respuesta/tratamiento? ¿Cómo se decide qué métodos de búsqueda utilizar, como PC, Hillclimbsearch, etc.? Después de leer este blog, sabrá por dónde empezar y cómo seleccionar las técnicas bayesianas más apropiadas para el descubrimiento causal para su caso de uso. Tómate tu tiempo, toma un…