贝叶斯网络Bayesian network基础理论及算法介绍

本文介绍了贝叶斯网络的基础理论,包括联合概率分布、条件概率和贝叶斯定理。详细讨论了贝叶斯网络的结构学习,如基于专家知识和数据的结构学习算法,并涉及参数学习中的极大似然法。此外,还概述了推理算法,如联结树和马尔科夫链蒙特卡洛方法,用于在不同规模的网络中进行概率推理。
摘要由CSDN通过智能技术生成

引言

贝叶斯网络
Bayesian network
belief network
directed acyclic graphical model

借由DAGs(有向无环图)得到一组随机变量{X1, X2, …, Xn}及其n组条件概率分布(conditional probability distributions,or CPDs)。

联合概率分布

在这里插入图片描述

  • 联合分布通常表示为一张表,包含状态组合个数
    在这里插入图片描述
  • 如:I:学生智力 D:试卷难度 G:成绩等级
    在这里插入图片描述

条件概率分布、边缘分布

在这里插入图片描述

贝叶斯定理

  • 7
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值