比較簡單的貝葉斯網(wǎng)絡(luò)總結(jié)(參考版)
2025-07-02 14:40本頁面
【正文】 這些都只是粗淺的描述，進一步的學(xué)習(xí)，請參考相應(yīng)的參考書的olytree的概率推理和Bayes網(wǎng)的學(xué)習(xí)和動作等章節(jié)，其中有很詳細的闡述?！ 】偨Y(jié) 本節(jié)就Bayes網(wǎng)絡(luò)的基本問題進行了闡述，著重點在推理計算上?！ 分離的實質(zhì)就是尋找貝葉斯網(wǎng)中的條件獨立語義，以簡化推理計算。如圖就是一個典型的Polytree。然而，有些簡化能在一個叫Polytree的重要網(wǎng)絡(luò)分類中使用。因此，S和L不是條件獨立的?！ τ诮o定的結(jié)點S，結(jié)點E阻塞了結(jié)點C和結(jié)點L之間的路徑，因此C和L是條件獨立的，有I（C，L|S）成立。頭的含義是箭頭方向（有向?。┑慕K止點，尾的含義是箭頭方向（有向?。┑钠鹗键c?！ ∽枞航o定證據(jù)集合ε，當上述條件中的任何一個滿足時，就說Vb阻塞相應(yīng)的那條路徑?！ o向路徑：DAG圖是有向圖，所以其中的路徑也應(yīng)該是有向路徑，這里所指的無向路徑是不考慮DAG圖中的方向性時的路徑?！ 〗Y(jié)論：如果Vi和Vj被證據(jù)集合ε中的任意結(jié)點阻塞，則稱Vi和Vj是被ε集合D分離，結(jié)點Vi和Vj條件獨立于給定的證據(jù)集合ε，即 P(Vi|Vj,ε) ＝P(Vi|ε) P(Vj|Vi,ε) ＝P(Vj|ε) 如下圖，對于給定的結(jié)點集ε，如果對貝葉斯網(wǎng)中的結(jié)點Vi和Vj之間的每個無向路徑，在路徑上有某個結(jié)點Vb，如果有屬性：這種情況下，我們稱S能D分離L和E。但是如果給定原因S，L并不能告訴我們有關(guān)E的更多事情。從直觀來說，L的知識（結(jié)果）會影響S的知識（起因），S會影響E的知識（另一個結(jié)果）。作為思考題，讀者可以沿著這個思路計算上式。這種情況下，我們說～S解釋～E，使～C變得不確定。3．5．2．3 辯解 如果我們的證據(jù)僅僅是～E（不是肺氣腫），象上述那樣，我們可以計算～C患者不是煤礦工人的概率?！ (~C|~E)＝P(~E|~C)*P(~C)/P(~E)， 從因果推理可知 P(~E|~C) = P(~E,S|~C)+P(~E,~S|~C) = P(~E|S,~C)*P(S)+P(~E|~S,~C)*P(~S)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1