机器学习：贝叶斯网络入门

版权声明：非技术文章禁止转载，如有需要请私信作者。技术类文章欢迎转载，转载请注明出处： http://blog.csdn.net/ztf312/ https://blog.csdn.net/ztf312/article/details/51044513

贝叶斯理论是处理不确定性信息的重要工具。作为一种基于概率的不确定性推理方法，贝叶斯网络在处理不确定信息的智能化系统中已得到了重要的应用，已成功地用于医疗诊断、统计决策、专家系统、学习预测等领域。它有几个特性

1、贝叶斯网络本身是一种不定性因果关联模型。贝叶斯网络与其他决策模型不同，它本身是将多元知识图解可视化的一种概率知识表达与推理模型，更为贴切地蕴含了网络节点变量之间的因果关系及条件相关关系。
2、贝叶斯网络具有强大的不确定性问题处理能力。贝叶斯网络用条件概率表达各个信息要素之间的相关关系，能在有限的、不完整的、不确定的信息条件下进行学习和推理。
3、贝叶斯网络能有效地进行多源信息表达与融合。贝叶斯网络可将故障诊断与维修决策相关的各种信息纳入网络结构中，按节点的方式统一进行处理，能有效地按信息的相关关系进行融合。

初学贝叶斯网络，绘概念图一张。（拖动到新窗口看大图）

从贝叶斯方法谈到贝叶斯网络

 

拓展资料：

贝叶斯网络的Java实现过程