基于股票财务数据的贝叶斯网络的参数学习_张莹.pdfVIP

第 37 卷 第 1 期 高 师 理 科 学 刊 Vol. 37 No.1 2017 年 1 月 Journal of Science of Teachers′College and University Jan. 2017 文章编号：1007-9831（2017）01-0023-06 基于股票财务数据的贝叶斯网络的参数学习 张莹 （华南理工大学 数学学院，广东 广州 510640） 摘要：研究了基于最大似然估计、贝叶斯估计与 EM 算法的贝叶斯网的参数学习．选取上市公司 的 10 个股票财务变量构建贝叶斯网络，利用创建好的贝叶斯网络进行统计推断．对比最大似然估 计和贝叶斯估计得到的参数值并展示 EM 算法不同迭代次数时的指数似然值，把 EM 算法得到的 CPT 表和最大似然估计的值相比较，对比较得到的结果进行归纳与分析．为基于不同算法的贝叶 斯网络的参数学习提供了实证分析． 关键词： 贝叶斯网络；参数估计；最大似然估计；贝叶斯估计；EM 算法 中图分类号：TP301.6 文献标识码：A doi：10.3969/j.issn.1007-9831.2017.01.006 Parameter learning of Bayesian network based on the financial data of stock ZHANG Ying （School of Mathematics，South China University of Technology，Guangzhou 510640，China） Abstract：Mainly introduces the parameter learning of Bayesian network based on maximum likelihood estimation， Bayesian estimation and EM algorithm. Selects 10 financial variables of quoted companies to build Bayesian networks，which is used to perform statistical inference．Compares the parameter from these two estimations and showes the exponential likelihood values from EM algorithm of different iterations，draws a conclusion from the CPT table as well as the parameter of maximum likelihood estimation. Also provides an empirical analysis for parameter learning of Bayesian network based on different algorithms. Key words：Bayesian network；parameter estimation；maximum likelihood estimation；Bayesian estimation；EM algorithm 在数据挖掘[1]领域中，贝叶斯网络能够定性和定量地分析属性之间的依赖关系，进行概率推理．它作 为不确定性环境下一种有力的知识表示