（《机器学习》完整版系列）第7章 贝叶斯分类器——7.6 贝叶斯网（也称信念网）结构（网络结构也是“超参数”）、贝叶斯图络学习（两级搜索法）

贝叶斯网是关于属性的，有向线表示“依赖”性的父子关系；通过属性的条件概率表CPT来描述。
有向图转化为无向图：让两亲联姻（连接两结点），称为道德化。
网络结构也是“超参数”，如何选择该“超参数”？
贝叶斯图络学习：两级搜索法

贝叶斯网结构

贝叶斯网（也称信念网）记为$B=<G,\Theta >$

• 结构$G$：是一个有向无环图DAG，每个结点对应于一个属性（记住：贝叶斯网是关于属性的，不少同学错记成关于样本的），有向线表示“依赖”性的父子关系；
• 参数$\Theta$：是属性的条件概率表CPT，表中的项为
  $$\begin{array}{r}{\theta }_{x_i|{\pi }_i}=P_B(x_i|{\pi }_i)\end{array}\text{\hspace{1em}(7.39)}$$
  其中，${\pi }_i$为$x_i$的父结点集，概率符号$P_B$的下标表示是在网结$B$中。

假定每个属性与其非后裔属性独立，
由此定义属性的联合分布为
$$\begin{array}{rl}{P}_B(x_1,x_2,\cdots ,x_d)& =\prod _{i=1}^d{P}_B(x_i|{\pi }_i)\\ & =\prod _{i=1}^d{\theta }_{x_i|{\pi }_i}\end{array}\text{\hspace{1em}(7.40)(7.41)}$$
其中，${\theta }_{x_i|{\pi }_i}$需要查表，而表有时不是直接给出的，要通过对数据集$D$中的样本情况进行分门别类地“计数”统计，计算频率来估计的。

【西瓜书图7.3】描述了贝叶斯网中三种依赖关系，并讨论了独立性。

给定一个结点的值，相当于把这个结点染上了黑色（即不能再变化），以此技巧来思考“给定结点值”的情况，则易于理解，如下以生物学的例子来增强记忆。

如图7.1所示，$V$型结构是双性繁殖（$V$型结构的记忆口诀：自由恋爱好独立，奉子成婚难独立）\tacg{ch7:marr}，当$x_1,x_2$的孩子$x_3$的肤色性状已经确定（如，黑白混血小孩），那么，当$x_1$为白人时，$x_2$应为黑人，反之亦然。 故孩子$x_3$的性状给定时，双亲$x_1$与$x_2$的性状不独立。

图7.1 V型结构

$V$型结构中，$x_1$与$x_2$可以“自由恋爱”（即独立）生出孩子$x_3$。 即在不给定“共子”$x_3$的值时，其父母$x_1,x_2$是独立的，
理论上由【西瓜书式(7.27)】所验证，称为边际独立，记为$x_1\perp \perp x_2$。
注：求和符号起边际化的作用，就像在二维表中，对行（或列）求和（即通常的小计），写到最右“边”（边上加一列）（或最下“边”（加一行））中。

如图7.2左侧所示，在同父结构中，若父$x_1$已知（父$x_1$被染黑色）时，单性繁殖了两兄弟$x_2$与$x_3$，影响两兄弟特质变化的外因$x_1$已定，即已体现在两兄弟身上了，不再变化，而再变化的是各自的内因，内因引起的变化当然是独立的。 即变化是条件独立（记忆口诀：单性繁殖两兄弟，内因变化是独立，条件是外因已一致），记为$x_2\perp x_3|x_1$。

图7.2 同父结构

如图7.2右侧所示，在同父结构中，若父$x_1$未知（父$x_1$未被染色）时，则
$$\begin{array}{rl}P(x_2,x_3)& =\sum _{x_1}P(x_1,x_2,x_3)\\ & =\sum _{x_1}P(x_1)P(x_2|x_1)P(x_3|x_1,x_2)\\ & \ne \sum _{x_1}P(x_1)P(x_2|x_1)P(x_3)\\ & =P(x_3)\sum _{x_1}P(x_1)P(x_2|x_1)\\ & =P(x_3)\sum _{x_1}P(x_1,x_2)\\ & =P(x_3)P(x_2)\end{array}\text{\hspace{1em}(7.42)}$$
不等式(7.42)表明此时$x_2$与$x_3$不独立，称为$x_2$与$x_3$关于$x_1$的边际独立不成立。

按如下方法将有向图转化为无向图：

• 对$V$型结构，让两亲联姻（连接两结点），称为道德化（哈哈，孩子都有了，结婚吧！）；
• 将所有有向边改为无向边；

这样生成的图称为道德图。

在道德图中，若去掉一些结点（结点集$\mathbf{z}$）后，使得结点$x$和$y$不再连通，则称$x$与$y$被$\mathbf{z}$有向分离（注：这里"directed"翻译成了“有向”，若翻译成“受控的”，则为“受控分离”，这更贴切），记为： $x\perp y|\mathbf{z}$，即在$\mathbf{z}$的控制下，$x$与$y$独立。 当集合$\mathbf{z}$退化成一个结点$z$时，即为前述的条件独立：$x\perp y|z$。

贝叶斯图络学习

当网络结构已知时（即有向图的父子关系已知），则训练分类器的步骤为

• 通过对训练集$D$中的样本分门别类地“计数”，统计出条件概率表CPT；
• 由【西瓜书式(7.26)】得到属性的联合概率分布$P(\mathbf{x})$及$P(\mathbf{x},c)$；
• 由【西瓜书式(7.7)】求得$P(c|\mathbf{x})$；
• 最后由【西瓜书式(7.6)】得到学习器$h^{\ast }(\mathbf{x})$。

然而，在现实中，通常不知道网络结构，只有训练集$D$的数据，这时，将网络结构视为“超参数”。 下面讨论如何选择该“超参数”：

（1）先给定对网络结构评价的偏好，如，最小描述长度（MDL），即找一个能以“最短编码长度”契合训练数据的模型：

• 契合训练数据指应符合极大似然法的要求，即$\max \mathrm{LL}(B|D)$；
• 贝叶斯网络$B$的规模$|B|$（即参数$\theta$的个数），设描述一个参数$\theta$的编码长度为$f(\theta )$，则应要求$\min f(\theta )|B|$；

由上述两点即可构造出一个评分函数（以求$\min$为目标）
$$\begin{array}{r}s(B|D)=f(\theta )|B|-\mathrm{LL}(B|D)\end{array}\text{\hspace{1em}(7.43)}$$

针对式(7.43)中的第一项，我们看三种特殊情况：

• 取$f(\theta )=1$，得到评分函数AIC【西瓜书式(7.30)】；
• 取$f(\theta )=\frac{1}{2}\log m$，得到评分函数BIC【西瓜书式(7.31)】；
• 取$f(\theta )=0$，则评分函数退化为（负）极大似然估计。

针对式(7.43)中的第二项，我们进行分解
$$\begin{array}{rl}\mathrm{LL}(B|D)& =\log P(D|B)\text{（对数似然）}\\ & =\log P_B(D)\text{（为明确起见，换个概率符号）}\\ & =\log P_B({\mathbf{x}}_1,{\mathbf{x}}_2,\cdots ,{\mathbf{x}}_m)\text{（xi为样本）}\\ & =\log \prod _{i=1}^m{P}_B({\mathbf{x}}_i)\text{（由样本的独立性）}\\ & =\sum _{i=1}^m\log P_B({\mathbf{x}}_i)\end{array}\text{\hspace{1em}(7.44)}$$
$$\begin{array}{rl}{P}_B({\mathbf{x}}_i)& =P_B({\mathbf{x}}_i^1,{\mathbf{x}}_i^2,\cdots ,{\mathbf{x}}_i^d)\\ & =\prod _{k=1}^m{\theta }_{x_i^k|{\pi }^k}\text{（由式(7.41)，下标改为上标k）}\end{array}\text{\hspace{1em}(7.45)}$$
其中，${\theta }_{x_i^k|{\pi }^k}=P_B(x_i^k|{\pi }^k)$，下标表示样本编号，上标表示属性编号，${\pi }^k$为第$k$个属性的父结点集（与样本无关，故它不带下标）。

因$B$不知，而$D$已知，$B$要求契合于$D$，故应
$$\begin{array}{r}{\theta }_{x_i^k|{\pi }^k}={\hat{P}}_D(x_i^k|{\pi }^k)\end{array}\text{\hspace{1em}(7.46)}$$
其中，右侧为$D$上的经验分布，它可通过对$D$中的样本进行分门别类地“计数”，统计频率来估算。

问题又来了：${\pi }^k$并不知道，无从“分门别类”。 也说是说：只有在$k$属性结点之父${\pi }^k$确定了，才可依上述讨论求出$s(B|D)$。

综上，$\max \mathrm{LL}(B|D)$变为一个“两级搜索”问题：

• 第一级：试不同的网络结构：找一个网络结构$G$。 网络结点（样本属性）已知，但边的情况是部分已知，部分未知，通常根据领域知识以及偏好，将网络结构限定为某种特殊的结构（如，树形结构），称为约束法。
• 第二级：调整有向边：在这个网络结构中，试不同的${\pi }^k$（父子关系）来调整网络。 采用贪心法：每次调整一条边（增边，减边，调边的方向），若$s(B|D)$降低，则接受该调整。 继续调整，直到$s(B|D)$不再降低或搜索完或达到某设定的停机条件为止。

通过两级搜索得到最优贝叶斯网络$B^{\ast }$，最优贝叶斯网络$B^{\ast }$体现为： 结构$G$（部分超参数+搜索其他参数）+一组条件概率表CPT（参数$\Theta$），如【西瓜书图7.2】所示。

本文为原创，您可以：

• 点赞（支持博主）
• 收藏（待以后看）
• 转发（他考研或学习，正需要）
• 评论（或讨论）
• 引用（支持原创）
• 不侵权

上一篇：7.5 特殊的半朴素贝叶斯分类器（SPODE、TAN、AODE，研究特殊的“父子”关系）
下一篇：7.7 贝叶斯网络分类器（分类可视为一种特殊的查询）、贝叶斯网络推断（查询一组结点称为“推断”）