Machine learningNetwork science

Detección bayesiana de comunidades

La detección bayesiana de comunidades infiere la estructura latente de grupos en redes tratando la pertenencia a comunidades como variables no observadas y utilizando inferencia bayesiana —típicamente a través de métodos de Monte Carlo de cadena de Markov o variacionales— para calcular una distribución posterior sobre todas las particiones plausibles. A diferencia de la optimización de la modularidad, selecciona el número de comunidades a partir de los datos y proporciona estimaciones de incertidumbre fundamentadas para cada asignación de nodo.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804. DOI: 10.1103/PhysRevE.89.012804
  2. Nowicki, K. & Snijders, T. A. B. (2001). Estimation and prediction for stochastic blockstructures. Journal of the American Statistical Association, 96(455), 1077–1087. DOI: 10.1198/016214501753208735

Cómo citar esta página

ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/es/network-analysis/bayesian-community-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citado por

ScholarGateBayesian Community Detection (Bayesian Community Detection in Networks). Recuperado el 2026-06-15 de https://scholargate.app/es/network-analysis/bayesian-community-detection · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026