课件主观bayes公式.pptVIP

主观贝叶斯方法 主观贝叶斯方法 概述 原有贝叶斯公式需已知先验概率P（H）和条件概率P（H/E）,并没有考虑E不出现的影响，提出主观Bayes方法 。 贝叶斯规则： 当H为n个互不相容事件的集合时，贝叶斯公式可写为： 主观贝叶斯方法 知识的不确定性表示： IF E THEN ( LS ， LN ) H（P(H)） 其中LS充分性度量， LN表示规则强度。 主观Bayes方法的不精确推理过程就是根据证据E的概率P(E), 利用规则的LS和LN，把结论H的先验概率P(H)更新为后验概率P (H|E)的过程。 主观贝叶斯方法（知识的不确定性） 定义： 主观贝叶斯方法（知识的不确定性） Bayes公式可表示为： 主观贝叶斯方法（知识的不确定性） 几率函数O(X) 主观贝叶斯方法（知识的不确定性） 主观贝叶斯方法（知识的不确定性） 根据Bayes公式 和LS，LN的定义，几率函数与LN，LS的关系为 O(H|E) = LS ? O(H) O(H|~E) = LN ? O(H) 以上两公式称为修改的Bayes公式 主观贝叶斯方法（知识的不确定性） 主观贝叶斯方法（知识的不确定性） LS、LN≥０，不独立。 LS, LN不能同时 ＞１或 ＜１ LS, LN可同时＝1 LS, LN的取值范围 [0, ∞] 主观贝叶斯方法（证据E的不确定性） P(E)或O(E)表示证据E的不确定性 主观贝叶斯方法（推理计算1） E必出现时(即证据肯定存在或肯定不存在)： O(H|E) = LS?O(H) O(H|~E) = LN?O(H) 概率与几率之间的相互转化公式： 主观贝叶斯方法（推理计算2） 证据E在某种情况下不确定时，S 为对E的有关观察，S 有关0P(E/S)1. P(H|S) = P(H|E) P(E| S) + P(H|～E) P(～E| S) 主观贝叶斯方法（推理计算2） (1) P(E| S) = 1时，证据E必然出现 (2) P(E| S) = 0时，证据E肯定不存在 (3) P(E| S) = P(E) 时，(S对E无影响) P(H|S) = P(H|E)P(E| S) + P(H|～E)P(～E| S) = P(H|E)P(E) + P(H|～E)P(～E) = P(H) 主观贝叶斯方法（推理计算2） (4) P(E| S) 其它值，通过分段线性插值求 P(H| S)，EH公式 ： 主观贝叶斯方法（推理计算2） P(E|S)和P(E)不容易得到，引入可信度C(E|S), 值域为 [-5，5]上的11个整数。 C(E|S)= - 5，证据肯定不存在， P(E|S) = 0 C(E|S)= 0，S与E无关， P(E|S) = P(E) C(E|S)= 5，证据肯定存在， P(E|S)= 1 主观贝叶斯方法（推理计算2） CP公式：用户告知的可信度C(E/S)求出P(H/S) 主观贝叶斯方法（推理计算2） P(E| S)与P(H| S)坐标系上的三点： 总之是找一些P(E| S)与P(H| S)的相关值， 两点也可以做曲线（或折线、直线）。由插值法从线上得到其它点的结果。 主观贝叶斯方法（推理计算3） 规则的条件部分是多个证据的逻辑组合时： E = E1 AND E2 E = E1 OR E2 P(~E|S) = 1 – P( E|S ) 主观贝叶斯方法（推理计算3） 多条规则支持相同的结论： 主观贝叶斯方法（推理计算3） 例5.4 设有如下规则: R1: IF E1 THEN (2 , 0.001) H1 R2: IF E2 THEN (100 , 0.001) H1 R3: IF H1 THEN (200 , 0.01) H2 已知: O(H1) = 0.1 , O(H2) = 0.01 C(E1|S1) = 2 , C(E2|S2) = 1 求: O(H2|S1∩S2) = ? 主观贝叶斯方法 主观Bayes方法的评价 优点： 计算方法直观、明了。 缺点： 要求Hj相互无关（实际不可能）。 P(E| H’)与P(Hi) 很难计算。 应用困难。 主观贝叶斯方法 The End ???? * * 利用主观bayes方法求解在可信度E1，E2和先验概率的条件下求解后验概率？ E H LS