第5.3-5.4节 贝叶斯络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法.ppt

第5.3-5.4节 贝叶斯络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法第5.3-5.4节 贝叶斯网络和主观贝叶斯方法.ppt

  1. 1、本文档共76页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第5.3节 贝叶斯网络 王庆江 计算机科学与技术系 qjwang@ 勘误 P173页关于图5.4的CPT有误。 P175页倒数第3行,“对于S、L和E…”应为“对于S,L和E…”。 P178页第1行,“具有以上3个属性之一”应为“同时具有以上3个属性”。 P178页14行,“结点E阻塞了结点C和…”应为“结点S阻塞了结点C和…”。 P178页16行,“而对于给定结点E、S和L之间…”应为“而对于给定结点E,S和L之间…” 。 P180页15行,“P(~S|C)”应为“P(~S|~C)”。 贝叶斯网络(Bayesian Network) 有坚实的数学理论基础; 采用概率形式的不确定性表示和推理; 20世纪80年代,成功应用于专家系统。 5.3.1 贝叶斯网络的基本概念 有向无环图 Directed Acyclic Graph,缩写DAG; 可用于表示因果关系网。 结点代表证据或结论,权代表证据或结论的不确定度; 弧代表规则(即因果关系),权代表规则的不确定度。 条件概率表 Condition Probability Table,缩写CPT; 对于所有父结点的每种指派,确定子结点的发生概率。 例:CPT包括 P(C|A,B), P(C|A, ~B), P(C|~A,B), P(C|~A, ~B) P(A), P(B) 贝叶斯网络的构造方法 确定包含哪些结点; 建立反映条件独立的有向无环图; 指派局部概率分布,即CPT。 如果CPT包含了足够的条件概率,可以计算出任何联合概率,则称此网络是可计算的(即可推理的)。 因果关系网的示例 结点及其解释 S (Smoker):该患者为吸烟者 C (Coal miner):该患者是煤矿工人 L (Lung cancer):他患了肺癌 E (Emphysema):他患了肺气肿 因果关系 S可能导致L和E C可能导致E 。 贝叶斯网络 是结点间增加连接强度的因果关系网。 连接强度用条件概率表示; 例:P(B|A)为A到B的连接强度; 例:P(B|AC)表示A、C对B的联合作用。 CPT除了包含上述条件概率,还包括顶点(即无父结点的结点)的无条件概率(即先验概率)。 贝叶斯网络 = 网络结构 + CPT 条件独立 有结点A、B和C,若 P(A|BC) = P(A|B),则称A和C在B条件下独立、A在B条件下独立于C,或A和C关于B独立。 所谓“关于B”,有时是给定B的不确定度,有时是完全不知道B的不确定度。 “条件独立” 是贝叶斯网络中隐含的断言(assertion)、假设(assumption),贝叶斯网络就是一个表示条件独立关系的图模型。 实际中,若已知A在B条件下独立于C,则P(A|BC) = P(A|B)。 事件独立与贝叶斯网络中的条件独立 事件独立 若P(AB)=P(A)P(B),则A与B相互独立。 性质2:若A与B独立,且P(B)0,则P(A|B)=P(A)。 ∵ P(A|B)=P(AB)/P(B)=P(A)P(B)/P(B) 独立和互斥不一会儿事! 若AB=Φ,则A与B互斥,有P(A∪B) = P(A) + P(B) P(A)0,P(B)0,若AB=Φ,则P(AB)=0,A与B互斥但不相互独立; Ω与任何事件独立,但Ω与任何事件不互斥。 贝叶斯网络中的条件独立 若 P(A|BC) = P(A|B),则A和C关于B条件独立。 条件独立断言有什么用呢? 例:P(S,C,L,E) = P(E|S,C,L) × P(L|S,C) × P(C|S) × P(S) = P(E|S,C) × P(L|S,C) × P(C|S) × P(S) = P(E|S,C) × P(L|S) × P(C|S) × P(S) = P(E|S,C) × P(L|S) × P(C) × P(S) 贝叶斯网络隐含着哪些条件独立断言? 串行连接 A通过B影响C; C通过B影响A; 如果给定B,则A和C互不影响,这时称A和C关于B条件独立。 分叉连接 如果给定A,没有信息可经由A传递给A的子结点,即给定A时,A的子结点之间相互独立,称子结点B、C、…、F关于A条件独立。 汇集连接 多个原因(causes)有一个共同结果(effect)。对结果一无所知时,原因之间条件独立。 当结果或其某个子孙已知,父结点之间就不再独立了。 汇集连接的解释 A和B有共同的结果C; 在有向图中,结点C称为冲突子(collider); 不给定C时,A和B之间是相互独立的; 给定C时, A和B之间就不再独立了。 摘自http://www.cs.mcgill.ca/~mgendr12/COMP526/docs/lecture3.pdf Head-to-tail Tail-to-tail Head-to-head 定义:Vi

您可能关注的文档

文档评论(0)

cxiongxchunj + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档