贝叶斯网络-参考资料.pdfVIP

Bayesian Networks 贝叶斯网络分析 黄宗媛 公共卫生学院流行病与卫生统计所 2 3 ☞ 贝叶斯网络（Bayesian network）是一种帮助人们将概率 统计应用于复杂领域、进行不确定性推理和数据分析的 工具。 ☞用来表示变量间连接概率的图形模式，它提供了一种自然 的表示因果信息的方法，用来发现数据间的潜在关系。 ☞是一个有向无环图(DAG) 4 ☞起源于人工智能领域的研究 是概率论和图论结合的产 物。 ☞ 贝叶斯方法正在以其独特的不确定性知识表达形式、丰富 的概率表达能力、综合先验知识的增量学习特性等成为 当前数据挖掘众多方法中最为引人注目的焦点之一。 ☞ 优点：直观、计算复杂度低 5 ☞应用领域 辅助智能决策 数据融合 模式识别 医疗诊断 文本理解 数据挖掘 6 主 要 内 容 ☂ 图论基础 ☂ 概率统计基础 ☂ Bayesian 网络简介 7 一、图论基础 格尼斯堡(Konigsberg)七桥问题- Leonhard Euler 8 ☃ 图的基本要素 点（节点）、边 父节点（父亲）、子节点（孩子）、邻居节点（兄弟） 根结点（根，祖先）、叶节点 ☃ 无向图和有向图 在一个图中，若边没有方向，称为无向图； 若边含有方向，则称为有向图。 9 二、概率统计基础 ☃ 概率测度 （概率） P : 2Ω →[0 1], 映射 ，且满足如下三个公理： (1)规范性：P (Ω) 1; (2) ( ) ≥0; 非负性：P A n n (3) ( ) ( ), ∩ φ. 可列可加性：P A ∑P A A A  i i i j i 1 i 1 ☃ 随机变量的分布 随机变量(r. v.) 是定义在样本空间上的函数。 其分布函数用 F (x) P (X ≤x) 表示。 联合分布，边缘分布