贝叶斯网络
来源:互联网 发布:java isdirectory 编辑:程序博客网 时间:2024/06/15 06:38
一、贝叶斯网络概述
贝叶斯网络是一种概率网络,它是基于概率推理的图形化网络,而贝叶斯公式则是这个概率网络的基础。一个贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量节点及连接这些节点有向边构成。节点代表随机变量,节点间的有向边代表了节点间的互相关系(由父节点指向其子节点),用条件概率进行表达关系强度,没有父节点的用先验概率进行信息表达。
一个简单的贝叶斯网络如下:
它所代表的含义如下:
再来看一个更复杂的贝叶斯网络:
上图是一个警报网络。左上是盗窃,右上是地震,中间的是警报,左下代表John回应警报,右下是Mary回应警报,旁边分别是他们发生的概率。
全部随机变量发生的概率为:
贝叶斯网络中的形式化定义:
BN(G,theta)
G:有向无环图
G的节点:随机变量
G的边:节点间的有向依赖
theta:所有条件概率分布的参数集合
节点X的条件概率:
二、通过贝叶斯网络判定条件独立
第一种情形,tail-to-tail:
在上图的贝叶斯网络中
移项:
根据条件概率公式有:
所以:
所以根据上式可知,在上图这种贝叶斯网络中,在给定c的情况下将a、b阻断,a、b独立。
第二种情形,head-to-tail:
所以这种情形也是在c给定的情况下阻断a、b,a、b独立
第三种情形,head-to-head:
在这种情形下,在c未知的条件下阻断a、b,a、b独立。
D-separation:有向分离
对于任意的节点集A,B,C,考察所有通过A中任意节点到B中任意节点的路径,若要求A,B独立,则要求所有路径都被阻断。
三、构建贝叶斯网络
依次计算每个变量的D-separation的局部测试结果,综合每个节点得到贝叶斯网络
算法过程:
1.选择变量的一个合理顺序:X1,X2,……Xn
2.对于i=1到n
2.1 在网络中添加Xi节点
2.2 在X1,X2,X3……Xi-1中选择Xi的父母,使得:
贝叶斯网络构建举例:
先选定一个顺序,根据给出的数据判断P(J|M)和P(J)是否相等,如果不相等则说明它们不独立,可以引出一条线,否则它们之间没有联系。
然后增加一点,继续判断,直到结束。
这样一个贝叶斯网络就构建完成了。
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- 贝叶斯网络
- Mnist进阶代码分析,Tensorboard的基本使用
- 饿了吗第七章better-scroll 中$els 相关问题
- 12个有趣的C语言面试题及答案
- Ubuntu下pip安装
- 240. Search a 2D Matrix II
- 贝叶斯网络
- Canny边缘检测
- 1001 Apple
- 在ArcGIS中如何查看一个数据的坐标系?
- 在sqlplus下去修改oracle用户的密码和解锁用户
- 1012 进制转换
- HDU1686 Oulipo
- Java中的关键字
- Redis 字符串(String)介绍以及操作