樸素貝葉斯分類-資料下載頁(yè)
2025-04-08 23:55本頁(yè)面
【正文】 這個(gè)性質(zhì)很類似Markov過(guò)程。其實(shí)，貝葉斯網(wǎng)絡(luò)可以看做是Markov鏈的非線性擴(kuò)展。這條特性的重要意義在于明確了貝葉斯網(wǎng)絡(luò)可以方便計(jì)算聯(lián)合概率分布。一般情況先，多變量非獨(dú)立聯(lián)合條件概率分布有如下求取公式： 而在貝葉斯網(wǎng)絡(luò)中，由于存在前述性質(zhì)，任意隨機(jī)變量組合的聯(lián)合條件概率分布被化簡(jiǎn)成 其中Parents表示xi的直接前驅(qū)節(jié)點(diǎn)的聯(lián)合，概率值可以從相應(yīng)條件概率表中查到。 貝葉斯網(wǎng)絡(luò)比樸素貝葉斯更復(fù)雜，而想構(gòu)造和訓(xùn)練出一個(gè)好的貝葉斯網(wǎng)絡(luò)更是異常艱難。但是貝葉斯網(wǎng)絡(luò)是模擬人的認(rèn)知思維推理模式，用一組條件概率函數(shù)以及有向無(wú)環(huán)圖對(duì)不確定性的因果推理關(guān)系建模，因此其具有更高的實(shí)用價(jià)值。、貝葉斯網(wǎng)絡(luò)的構(gòu)造及學(xué)習(xí) 構(gòu)造與訓(xùn)練貝葉斯網(wǎng)絡(luò)分為以下兩步： 確定隨機(jī)變量間的拓?fù)潢P(guān)系，形成DAG。這一步通常需要領(lǐng)域?qū)＜彝瓿桑胍⒁粋€(gè)好的拓?fù)浣Y(jié)構(gòu)，通常需要不斷迭代和改進(jìn)才可以。 訓(xùn)練貝葉斯網(wǎng)絡(luò)。這一步也就是要完成條件概率表的構(gòu)造，如果每個(gè)隨機(jī)變量的值都是可以直接觀察的，像我們上面的例子，那么這一步的訓(xùn)練是直觀的，方法類似于樸素貝葉斯分類。但是通常貝葉斯網(wǎng)絡(luò)的中存在隱藏變量節(jié)點(diǎn)，那么訓(xùn)練方法就是比較復(fù)雜，例如使用梯度下降法。由于這些內(nèi)容過(guò)于晦澀以及牽扯到較深入的數(shù)學(xué)知識(shí)，在此不再贅述，有興趣的朋友可以查閱相關(guān)文獻(xiàn)。、貝葉斯網(wǎng)絡(luò)的應(yīng)用及示例 貝葉斯網(wǎng)絡(luò)作為一種不確定性的因果推理模型，其應(yīng)用范圍非常廣，在醫(yī)療診斷、信息檢索、電子技術(shù)與工業(yè)工程等諸多方面發(fā)揮重要作用，而與其相關(guān)的一些問(wèn)題也是近來(lái)的熱點(diǎn)研究課題。例如，Google就在諸多服務(wù)中使用了貝葉斯網(wǎng)絡(luò)。 就使用方法來(lái)說(shuō)，貝葉斯網(wǎng)絡(luò)主要用于概率推理及決策，具體來(lái)說(shuō)，就是在信息不完備的情況下通過(guò)可以觀察隨機(jī)變量推斷不可觀察的隨機(jī)變量，并且不可觀察隨機(jī)變量可以多于以一個(gè)，一般初期將不可觀察變量置為隨機(jī)值，然后進(jìn)行概率推理。下面舉一個(gè)例子。 還是SNS社區(qū)中不真實(shí)賬號(hào)檢測(cè)的例子，我們的模型中存在四個(gè)隨機(jī)變量：賬號(hào)真實(shí)性R，頭像真實(shí)性H，日志密度L，好友密度F。其中H，L，F(xiàn)是可以觀察到的值，而我們最關(guān)系的R是無(wú)法直接觀察的。這個(gè)問(wèn)題就劃歸為通過(guò)H，L，F(xiàn)的觀察值對(duì)R進(jìn)行概率推理。推理過(guò)程可以如下表示： 使用觀察值實(shí)例化H,L和F，把隨機(jī)值賦給R。 計(jì)算。其中相應(yīng)概率值可以查條件概率表。 由于上述例子只有一個(gè)未知隨機(jī)變量，所以不用迭代。更一般得，使用貝葉斯網(wǎng)絡(luò)進(jìn)行推理的步驟可如下描述： 對(duì)所有可觀察隨機(jī)變量節(jié)點(diǎn)用觀察值實(shí)例化；對(duì)不可觀察節(jié)點(diǎn)實(shí)例化為隨機(jī)值。 對(duì)DAG進(jìn)行遍歷，對(duì)每一個(gè)不可觀察節(jié)點(diǎn)y，計(jì)算，其中wi表示除y以外的其它所有節(jié)點(diǎn)，a為正規(guī)化因子，sj表示y的第j個(gè)子節(jié)點(diǎn)。 使用第三步計(jì)算出的各個(gè)y作為未知節(jié)點(diǎn)的新值進(jìn)行實(shí)例化，重復(fù)第二步，直到結(jié)果充分收斂。 將收斂結(jié)果作為推斷值。 以上只是貝葉斯網(wǎng)絡(luò)推理的算法之一，另外還有其它算法，這里不再詳述
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1