文章目錄
1、樸素貝葉斯公式
1.1、貝葉斯公式的應用
2、瞭解貝葉斯網絡
2.1、知道什麼是貝葉斯網絡
貝葉斯網絡又稱爲有向無環圖模型,是一種概率圖模型,根據概率圖的拓撲結構,考察一組隨機變量(X1,X2,X3…Xn)及其n組條件概率分佈的性質
2.2、貝葉斯網絡的兩種表示形式
2.3、掌握全連接的貝葉斯網絡的公式
p(x1,x2…,xk)=p(xK|x1,…,xK-1)…p(x2|x1)p(x1)
2.3、知道條件概率表參數個數分析的方法
知道這個分析過程中的式子代表的含義
13代表的是所需參數的個數
2.4、掌握變量聯合分佈概率的公式及含義
含義也就是計算J、M、A、!b、!a同時發生的概率
2.5、知道馬爾科夫模型
知道馬爾科夫模型對應的是隻有一條鏈路的貝葉斯網絡
3、瞭解D-separation
D-separation:有向分離
作用:通過判斷節點是否獨立來簡化概率運算
3.1、知道下面的三個通過貝葉斯網絡判定條件獨立
3.2、有向分離的實例
將右邊圓圈看做一個整體來分析各個節點之間的是否條件獨立,以此來簡化概率運算
4、瞭解貝葉斯網絡的生成過程
貝葉斯網絡生成過程:
根據給定的概率數據去計算各個節點之間是否有連線:
如P(J|M)=P(J)?若相等則代表獨立,則不應該有邊;若不相等則代表不獨立,則代表有邊。以此類推來計算不同節點之間的關係,得到最終的貝葉斯網絡。
實例