从朴素贝叶斯分类器到贝叶斯网络(下)

本文深入探讨了贝叶斯网络的原理和应用,从概率图模型的基础出发,介绍了贝叶斯网络的结构特点、概率分布和推理方法。通过实例解析了贝叶斯网络在防盗报警系统中的应用,展示了如何利用条件概率表进行推理,并对比了枚举法和消去法的优缺点。
摘要由CSDN通过智能技术生成

书接上文 :从朴素贝叶斯分类器到贝叶斯网络(上)


三、贝叶斯网络


贝叶斯网络(Bayesian Network)是一种用于表示变量间依赖关系的数据结构,有时它又被称为信念网络(Belief Network)或概率网络(Probability Network)。在统计学习领域,概率图模型(PGM,Probabilistic Graphical Models)常用来指代包括贝叶斯网络在内的更加宽泛的一类机器学习模型,例如隐马尔可夫模型(HMM,Hidden Markov Model)也是一种PGM。

评论 6
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

打赏作者

白马负金羁

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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