机器学习 课件 8.2贝叶斯网络.pdf

贝叶斯网络

贝叶斯网络

起源于贝叶斯统计学，是以概率论为基础的有向图模型。

贝叶斯网络是用来表示变量间概率依赖关系的有向无环图。

表示随机变量，

结点

是对过程、事件、状态等实体的某些特征的描述

有向边表示变量间的概率依赖关系

两个重要给定一个结点的马尔可夫覆盖，

结点与其非后代结点条件独立条件独立这个结点和网络所有其他结点

性条件独立

贝叶斯网络在统计学、推荐系统、图像识别等领域具有广泛的应用价值。

贝叶斯网络

贝叶斯网络

贝叶斯网络N表示为N(G,)

其中GV,E，结点集，结点集，

E{E,E,,E}

12m

表示结点关系的有向无环图，

即贝叶斯网络结构；

表示每个结点V在它父结点集pa(X)条件下的条件概率，

ii

即贝叶斯网络参数。

贝叶斯网络

特点

1一种不定性因果关联模型。

具有强大的不确定性问题处理能力。2

3具有良好的可理解性和逻辑性。

结合先验知识，用图形化

模型描述数据间的相互关

4

系，便于进行预测分析。

5能有效地进行多源信息表达与融合。

贝叶斯定理

P(B|A)P(A)

贝叶斯定理随机事件A和B的条件概率：

P(A|B)

P(B)

P(AÇB)

P(A|B)

推导P(B)

P(B|A)P(A)P(AÇB)P(A|B)P(B)

P(AÇB)

P(B|A)

P(A)

P(B|A)P(A)

P(A|B)