机器学习:贝叶斯网络
2023-09-27 14:20:37 时间
一、什么是贝叶斯网络
贝叶斯网络是一种用于进行概率推理的模型。(比如说下面这个图,箭头表示因果关系,也就是强盗抢劫和地震都会引起房子铃响,如果房子铃响,那么这个人的两个邻居John和mary会打电话给他)。这里通过因果关系建立起来的网络称之为贝叶斯网络,那么它支持哪些推理呢?
如果我们根据先验知识构建了这个贝叶斯网络,那么我们是可以对这样一个查询进行概率推理的——如果John打电话给我,发生抢劫的概率是多少呢?
这个概率推理的过程运用到了贝叶斯公式,所以我们称之为贝叶斯网络。
二、贝叶斯网络是如何构建的?
其实这个是很trivial的,贝叶斯网络是由领域专家构建的,所有的先验概率都是根据经验统计来的。如果上述的铃响贝叶斯网络就是可以有一般具有常识的人进行构建。先验知识,e.g P(E)是根据以往发生地震的次数统计的概率(其他也是如此得到)。
参考资料:
机器学习:贝叶斯网络
相关文章
- Spark2.0机器学习系列之8:多类分类问题(方法归总和分类结果评估)
- 机器学习研究的 12 个宝贵经验
- 利用简单的python机器学习库玩转『低代码』
- Andrew Ng机器学习课程6
- 《构建实时机器学习系统》一1.4 实时是个“万灵丹”
- 《构建实时机器学习系统》一1.5 实时机器学习的分类
- 《构建实时机器学习系统》一 导读
- 网络直播被严查,机器如何帮助鉴别小黄图?
- 浪潮NF5568M4落地猿题库 让机器老师更智能
- 机器学习:数据特征预处理缺失值处理
- Python3入门机器学习经典算法与应用 第3章 Numpy中的比较和FancyIndexing
- TensorFlow博客翻译——用TensorFlow在云端进行机器学习
- 机器学习在商业领域大有作为,但还需要跨过数据和政策的难关
- 我们如何利用AI和机器学习将游戏引入现实生活?
- 从变量到封装:一文带你为机器学习打下坚实的Python基础
- 机器学习:面对海量数据如何进行机器学习