ScholarGate
Pembantu
Machine learningNetwork science

Bayesian Stochastic Block Model (Bayesian SBM)

Bayangkan rangkaian sebagai dijana oleh proses tersembunyi: setiap nod tergolong dalam kumpulan laten, dan tepi terbentuk antara nod dengan kebarangkalian yang hanya bergantung pada kumpulan mana yang mereka miliki. Bayesian SBM bertanya: diberi tepi yang diperhatikan, penetapan nod kepada kumpulan mana yang menjadikan data paling berkemungkinan sambil mengenakan penalti pada model yang terlalu kompleks? Dengan meletakkan prior ke atas bilangan blok dan mengintegrasikan kebarangkalian tepi, ia mengelakkan overfitting dan secara automatik memilih partisyen komuniti yang paling jimat yang disokong oleh data.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

+2 more

Sumber

  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

Cara memetik halaman ini

ScholarGate. (2026, June 3). Bayesian Stochastic Block Model (Bayesian SBM). ScholarGate. https://scholargate.app/ms/network-analysis/bayesian-stochastic-block-model

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

Dirujuk oleh

ScholarGateBayesian Stochastic Block Model (Bayesian Stochastic Block Model (Bayesian SBM)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/network-analysis/bayesian-stochastic-block-model · Set data: https://doi.org/10.5281/zenodo.20539026