Probabilistic Graphical Models 4 Structured CPDs

==================Overview: Structured CPDs============

1.缺点：当父节点多时（k个），整个表有2^k这么多项！

2.有好多其他可选择的方法

3.条件相互独立性

4.小例子

================Tree-Structured CPDs================

1.注意：中间节点代表考虑该因素。

2.注意看路径想独立性

3.选择推荐信下的树

4.微软用贝叶斯网络找打印机错误

=============Independence of Causal Influence=============

1.当有多个父亲节点时，TREE CPD也不给力！

2.使用NOISY OR CPD解决多父亲问题。引入中间变量Z,表示X对Y的影响程度。

3.多了层节点，多了层逻辑关系

4.SIGMOID CPD,注意概率在0--1之间

5.一个医疗诊断系统的图例，就用上图的方法

=================Continuous Variables =====================

1.条件线性高斯。温度不是确定的。满足高斯分布。而SOON温度与NOW温度、OUTSIDE和DOOR的

开关有关系。也满足“组合”高斯分布。在DOOR的条件下，又称为条件线性高斯。

2.线性高斯的具体定义。分布的MEAN是线性函数。偏差固定。

3.条件线性高斯，其Y的分布在离散变量A的控制下。

4.机器位置模型。机器人的下一位置是有偏差的。偏差会越来越大。