文章目录
1、朴素贝叶斯公式
1.1、贝叶斯公式的应用
2、了解贝叶斯网络
2.1、知道什么是贝叶斯网络
贝叶斯网络又称为有向无环图模型，是一种概率图模型，根据概率图的拓扑结构，考察一组随机变量（X1,X2,X3…Xn）及其n组条件概率分布的性质
2.2、贝叶斯网络的两种表示形式
2.3、掌握全连接的贝叶斯网络的公式
p(x1,x2…,xk)=p(xK|x1,…,xK-1)…p(x2|x1)p(x1)
2.3、知道条件概率表参数个数分析的方法
知道这个分析过程中的式子代表的含义
13代表的是所需参数的个数
2.4、掌握变量联合分布概率的公式及含义
含义也就是计算J、M、A、！b、！a同时发生的概率
2.5、知道马尔科夫模型
知道马尔科夫模型对应的是只有一条链路的贝叶斯网络
3、了解D-separation
D-separation：有向分离
作用：通过判断节点是否独立来简化概率运算
3.1、知道下面的三个通过贝叶斯网络判定条件独立
3.2、有向分离的实例
将右边圆圈看做一个整体来分析各个节点之间的是否条件独立，以此来简化概率运算
4、了解贝叶斯网络的生成过程
贝叶斯网络生成过程：
根据给定的概率数据去计算各个节点之间是否有连线：
如P(J|M)=P(J)？若相等则代表独立，则不应该有边；若不相等则代表不独立，则代表有边。以此类推来计算不同节点之间的关系，得到最终的贝叶斯网络。
实例
