机器学习系列手记（八）：采样之贝叶斯网络的采样

采样

贝叶斯网络的采样

      贝叶斯网络，又称为信念网络或有向无环图模型，是一种概率模型，利用有向无环图来刻画一组随机变量之间的条件概率分布关系。如下图是贝叶斯网络的一个经典例子，用来刻画Cloudy、Sprinkler、Rain、WetGrass等变量之间的条件分布关系。

      对于一个没有观测变量的贝叶斯网络进行采样，最简单的方法是祖先采样，它的核心思想是根据有向图的顺序，先对祖先节点进行采样，只有当某个节点的所有父节点都已完成采样，采对该结点进行采样。以上图为场景，先对Cloudy变量进行采样，然后对Sprinkle和Rain变量进行采样，最后对WetGrass变量采样。根据贝叶斯网络的全概率公式
$$p(z_1,z_2,...,z_n)=\prod _{i=1}$$