马尔可夫毯在逻辑回归分析中的学习算法（2012年）

简介：
本文探讨了马尔可夫毯理论在逻辑回归模型中的应用，并提出了一种新的学习算法。通过实验验证，该方法能有效提取变量间的条件独立关系，提高预测准确性。发表于2012年。 针对当前马尔可夫毯学习算法存在的问题，即引入错误的父子节点和配偶节点的情况，本段落提出了一种基于逻辑回归分析的改进算法——RA-MMMB。该方法首先利用MMMB算法来获取候选的马尔可夫毯，并构建目标变量与这些候选因素之间的逻辑回归模型。通过这种回归分析的方法，在保留强相关性因子的同时剔除那些弱相关的错误引入变量和其他无关紧要的因素；随后，采用G2检验进一步排除掉剩余候选集合中的冗余节点（即兄弟节点），从而精准地确定出针对特定目标变量的马尔可夫毯。 RA-MMMB算法通过逻辑回归分析的方式减少了不必要的条件独立性测试次数，并且提高了模型的学习精度。实验结果和数据分析表明，与传统方法相比，该新提出的算法在准确性方面具有显著优势。