Consider a rank-ordering problem, ranking a group of subjects by the conditional probability from a Bayesian network (BN) model of binary variables. The conditional probability is the probability that a subject has a certain value given an outcome of some other variables. The classification is based on the rank order and the class levels are assigned in an equal proportion manner. Under the assumption that the random variables are positive associated, we compared the classification results between two BN models of binary variables which share a model structure. We constructed a similar BN model, which was the best in the sense of the Kullback-Leibler divergence measure. Results from numerical experiments indicate that the agreement level of the classification between the actual and similar BN models is considerably high for the class number L = 5,7,9. It is also found that the agreement level decreases in an exponential mode as L increases. We developed an R code for checking similarity between BN models and it is available upon request.
본 논문에서는 베이지안 네트워크(BN)에서 생성되는 조건부 확률의 순위기반 분류와 이를 이용한 실제 모델과 유사 모델의 비교에 대하여 다루고 있다. 여기서 조건부 확률이란 주어진 랜덤 변수들에 대해 어떤 변수가 특정한 값을 가질 확률을 뜻한다. 우리는 양의 상관관계를 가지는 베르누이 랜덤 변수들로 이루어진 베이지안 네트워크에서, 순위와 계급수를 기반으로 조건부 확률을 계급화하였다. 특정 측도를 기준으로 최상의 유사 모델을 구하고 이를 수치적 실험을 통해 실제 모델과 비교해본 결과 L = 5,7,9와 같은 작은 계급수에서는 높은 유사도를 보였다. 또한, 일치도는 계급수가 증가함에 따라서 지수함수형태로 감소하는 것을 볼 수 있었다. 일치도 점검을 시뮬레이션 하기 위한 R 코드를 개발하였으며, 이것은 요청하면 제공가능하다.
