Hybrydowe strategie na rzecz usprawnienia sieci bayesowskich

Jeden z gwnych czynnikw sukcesu eksploracji danych jest zwizany ze zrozumiaoci wzorcw odkrytych przez techniki inteligencji obliczeniowej; z bayesowskimi sieciami jako jednymi z najbardziej znaczcych, biorc pod uwag atwo osignitej interpretacji wiedzy. Jej semantyka ilociowa i jakociowa, powizana ze zrozumiaoci odkrytych wzorcw, motywuje do zastosowania jej w procesie odkrywania wiedzy. Sieci bayesowskie, jak kada technika inteligencji obliczeniowej, maj jednak ograniczenia i wady zwizane z jej wykorzystaniem, wrd ktrych moemy wskaza na uczenie si struktury z duych zbiorw danych i wyciganie wnioskw w czasie. Ksika ta ukae rozszerzenia dotyczce doskonalenia bayesowskich sieci, przedstawiajc strategie poprawy ich waciwoci, traktujc aspekty takie jak wydajno, a take moliwo interpretacji i wykorzystania ich wynikw; wczajc modele regresji wielokrotnej dla uczenia si struktury oraz aspekty czasowe z wykorzystaniem acuchw Markowa. Modele te powinny pomc uytkownikom poszerzy zakres moliwoci zastosowania tego wszechstronnego modelu w nowych dziedzinach i zadaniach.