Bayesys datasets

Various datasets from the Bayesys repository. <strong>Size</strong>: 6 groups of datasets with each up to 16 experimentally generated from the bayesian network with the number of observation 100,1000,…100000. Ground truth is given <strong>Number of features</strong>: 6 - over 1000 <strong>Ground truth</strong>: Yes <strong>Type of Graph</strong>: Directed graph Six discrete BN case studies are used to generate data. The first three of them represent well-established examples from the BN structure learning literature, whereas the other three represent new cases and are based on recent BN real-world applications. Specifically, Asia: A small toy network for diagnosing patients at a clinic; Alarm: A medium-sized network based on an alarm message system for patient monitoring; Pathfinder: A very large network that was designed to assist surgical pathologists with the diagnosis of lymph-node diseases; Sports: A small BN that combines football team ratings with various team performance statistics to predict a series of match outcomes; ForMed: A large BN that captures the risk of violent reoffending of mentally ill prisoners, along with multiple interventions for managing this risk; Property: A medium BN that assesses investment decisions in the UK property market. Data generated with noise: Synthetic datasets - noise Experiment No. Experiment Notes 1 N No noise 2 M5 Missing data (5%) 3 M10 Missing data (10%) 4 I5 Incorrect data (5%) 5 I10 Incorrect data (10%) 6 S5 Merged states data (5%) 7 S10 Merged states data (10%) 8 L5 Latent confounders (5%) 9 L10 Latent confounders (10%) 10 cMI M5 and I5 11 cMS M5 and S5 12 cML M5 and L5 13 cIS I5 and S5 14 cIL I5 and L5 15 cSL S5 and L5 16 cMISL M5, I5, S5 and L5 More information about the datasets is contained in the <strong>dataset_description.htm</strong>l<strong> </strong>files.本数据集源自Bayesys仓库中的多组数据。<strong>数据集规模</strong>：共6组数据集，每组均包含16份由贝叶斯网络（Bayesian Network）实验生成的样本，观测样本量依次为100、1000、…、100000。<strong>特征数量</strong>：6组数据集的特征数均超过1000。<strong>真实标注（Ground truth）</strong>：已提供。<strong>图类型</strong>：有向图（Directed graph）。 本次数据生成采用了6个离散贝叶斯网络案例：前3个为贝叶斯网络结构学习领域的经典基准示例，后3个为基于近期真实贝叶斯网络应用场景的全新案例，具体如下： 1. Asia（亚洲）：一款用于诊所患者诊断的小型演示网络； 2. Alarm（警报）：一款基于患者监护报警消息系统的中型网络； 3. Pathfinder（探路者）：一款用于辅助外科病理医师诊断淋巴结疾病的超大型网络； 4. Sports（赛事）：一款将足球队评级与多项球队表现统计指标相结合，用于预测系列赛事结果的小型贝叶斯网络； 5. ForMed（医疗风控）：一款用于评估精神疾病服刑人员暴力再犯风险，并涵盖多种风险管控干预手段的大型贝叶斯网络； 6. Property（房产投资）：一款用于评估英国房地产市场投资决策的中型贝叶斯网络。 本次生成的合成数据集包含16组数据扰动实验，具体设置如下： 1. 实验1（N）：无噪声数据 2. 实验2（M5）：含5%缺失值的数据集 3. 实验3（M10）：含10%缺失值的数据集 4. 实验4（I5）：含5%错误数据的数据集 5. 实验5（I10）：含10%错误数据的数据集 6. 实验6（S5）：含5%类别合并数据的数据集 7. 实验7（S10）：含10%类别合并数据的数据集 8. 实验8（L5）：含5%潜在混淆变量的数据集 9. 实验9（L10）：含10%潜在混淆变量的数据集 10. 实验10（cMI）：同时包含M5与I5扰动的数据集 11. 实验11（cMS）：同时包含M5与S5扰动的数据集 12. 实验12（cML）：同时包含M5与L5扰动的数据集 13. 实验13（cIS）：同时包含I5与S5扰动的数据集 14. 实验14（cIL）：同时包含I5与L5扰动的数据集 15. 实验15（cSL）：同时包含S5与L5扰动的数据集 16. 实验16（cMISL）：同时包含M5、I5、S5与L5扰动的数据集 更多数据集相关细节请参阅<strong>dataset_description.html</strong>文件。