第20章用贝叶斯网学习和动作精选.ppt

* * 第三部分 知识的表示和推理 第20章 用贝叶斯网学习和动作 学习贝叶斯网 学习一个贝叶斯网的问题是寻找一个网络——它能最好地匹配(按照某个记分度量)一个数据训练集(training set)Ξ，Ξ是所有(至少有一些)变量值的实例集合。说“寻找一个网”， 我们的意思是既要找到DAG结构，也要找到与DAG中每个节点相关的条件概率表(CPT)。 学习贝叶斯网 已知网络结构 如果知道网络的结构，那么只需找到CPT，我们首先描述这种情况。通常，人类专家能对一个问题领域提出适当的结构但不能做出CPT。在我们必须学习网络结构的情况下，学习CPT仍是必需的。 学习CPT有一个比较容易的和一个比较难的两种情况。在容易的情况下，没有缺失的数据，即训练集合己的每个成员对网中表达的每个变量有一个值。然而在更实际的设置中，情况常常是一些训练记录的变量值缺失了；缺失的数据导致更难以学习CPT。 学习贝叶斯网 无缺失数据 已知网络结构 我们用向量变量Pi指称与Vi的双亲有关的变量，用向量值Pi指称这些变量的值。采样统计结果 ，由Ξ中有Vi= vi和Pi= pi的采样数除以有Pi= pi的采样数得到。 假如我们观察了图中G、 M、 B和L的100组值(注意到有些组合没有出现，有些比其他出现得更频繁)。为了计算采样概率