Новое в StackOverflow и R.
У меня есть вопрос относительно различных функций потерь для перекрестной проверки, которые предоставляются в пакете R BNlearn, и какую из них мне следует использовать. У меня есть непрерывные данные (пример ниже) с 32 строками и 8 столбцами, каждый столбец представляет вид, а каждая строка представляет количество особей этого вида в этом году.
201 1.78e+08 18500000 1.87e+08 6.28e+07 1.08e+09 1.03e+08 7.22e+07 43100000
202 8.06e+07 9040000 5.04e+07 4.49e+07 6.66e+08 8.07e+07 2.58e+07 24100000
203 1.54e+08 4380000 1.51e+08 2.88e+07 9.94e+08 1.44e+08 7.32e+07 39000000
204 1.36e+08 6820000 3.80e+08 8.39e+06 7.38e+08 1.50e+08 4.25e+07 32600000
205 9.94e+07 9530000 8.99e+07 1.05e+07 6.62e+08 1.67e+08 1.90e+07 29200000
206 1.33e+08 6340000 4.27e+07 3.26e+06 5.31e+08 2.93e+08 2.70e+07 41500000
207 1.22e+08 5710000 4.41e+07 3.16e+06 4.58e+08 4.92e+08 4.02e+07 21600000
208 1.33e+08 13500000 1.20e+08 3.56e+06 4.40e+08 2.50e+08 3.93e+07 30000000
209 1.73e+08 21700000 4.35e+07 7.58e+06 5.62e+08 3.31e+08 4.98e+07 42100000
210 1.86e+08 6950000 3.40e+07 1.18e+07 4.41e+08 3.80e+08 4.83e+07 28100000
До сих пор я использовал Табу-поиск для создания фиксированной сетевой структуры и анализировал ее с помощью команды перекрестной проверки.
bn.cv(data = data, bn = bn.tabu, method = "k-fold", k = 10, runs = 100)
что дает результат
k-fold cross-validation for Bayesian networks
number of folds: 10
loss function: Log-Likelihood Loss (Gauss.)
number of runs: 100
average loss over the runs: 151.8083
standard deviation of the loss: 0.2384763
Вопрос в том, какую функцию потерь я должен использовать для своих данных, чтобы я мог изменить набор данных, который я использую, и получить сопоставимые результаты, и что означает «средняя потеря за прогоны»? Конечная игра состоит в том, чтобы сделать совместные распределения вероятностей и прогноз на год + 1, так что в основном строка 33 с числами и их распределениями вероятностей.
Извините за любые несоответствия, так как я все еще изучаю статистику.
