Supongamos que tenemos un problema de regresión que muchas personas quieren resolver, pero la información está distribuida entre agentes: diferentes agentes ven diferentes subconjuntos de características. Y los agentes están incrustados en una red (DAG). Cuando uno hace predicciones, son observadas por sus hijos.

Esto también fue parte de una exploración divertida que hicimos al mismo tiempo sobre cómo incorporar herramientas modernas de IA en el proceso de hacer ciencia teórica y experimental. Aprendimos mucho sobre eso también --- escribiremos más en algún momento.

@LuJiuyao El predictor lineal óptimo global no tiene por qué estar en el rango de los predictores lineales óptimos locales (cuando las características no son independientes), ya que el peso relativo de las características difiere en cada caso.

@LuJiuyao La línea roja entre las gráficas muestra lo que realmente sucede cuando ejecutas esto en muestras de la generalización de esta instancia a 10 variables. La cadena es A1->A2->...->A10->A1->A2->...->A10->... etc., y va en un ciclo infinito. Obtienes una caída de error después de cada pasada, pero nunca llega a 0.