贝叶斯网络和主观贝叶斯方法.pptVIP

第5.3节 贝叶斯网络;勘误;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;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;贝叶斯网络;A;S;条件独立;事件独立与贝叶斯网络中的条件独立;条件独立断言有什么用呢？;贝叶斯网络隐含着哪些条件独立断言？;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;摘自http://www.cs.mcgill.ca/~mgendr12/COMP526/