贝叶斯网络:Netica的使用记录

1. 节点的Name与Title区别。

name是根据IDname的命名规则,只能用字母开头,随后跟数组、下划线。不能出现空格或者发音。

Title突破了这一限制。系统首选Title,如果没有,用name作为节点名字。

2. 节点的Status Value与 Table Value的区别。

Status对应着状态的名字,可以是单词,Status Value表示状态对应的值。

例如爆炸控制系统中“off”状态对应-0.1V,“on”状态对应0.6V。

Table Value表示当前节点的条件概率表中,每个状态的出现概率。


附:Table下面Chance表示不同的状态对应值,Deterministic表示确定值。Probalility选项表示不同表的类型:

function table: 父节点的每一种可能值都对应唯一的输出。如果节点离散,则输入有有限数量的选择。如果连续不离散,则允许输入一个实数值。

conditional probability table:条件概率表(最常用),给出条件概率的先验概率和条件。

expericence table:给表的每行赋予一个确定的非负数。

 unnormalized table、 counts table略。

3. 两个问题。

”贝叶斯网络假设节点的概率分布只与其父节点有关,为什么在netica软件中,子节点会影响父节点?“

”为什么贝叶斯网络给了箭头?按照贝叶斯网络的马尔科夫假设,子节点不应该影响父节点的。既然说贝叶斯网络是生成模型,那为什么参数学习的时候还是求的条件概率分布呢,我认为应该是联合概率分布。“

zf.shi的回答:

(1) 单向箭头:条件概率不能是双向,这是贝叶斯网络的约定。贝叶斯网络描述了节点的概率影响关系。因为并没有强的因果关系,所以这个箭头只是条件概率关系。而这个关系是因为计算的时候这种表达的结果最优。如果计算时候的得分更大,这个方向就会转变。
(2) 贝叶斯网络与马尔科夫链: 和马尔可夫链类似,贝叶斯网络中的每个状态值取决于前面有限个状态。不同的是,贝叶斯网络比马尔可夫链灵活,它不受马尔可夫链的链状结构的约束,因此可以更准确地描述事件之间的相关性。
(3) 联合概率:联合概率,这个我理解贝叶斯最开始就是联合。但是联合概率计算起来灰常复杂,所以他就找了些条件依赖,转换成条件概率。贝叶斯网络是枚举所有状态可能性,但是这个状态要是全部计算是NP,所以转成条件概率。这是数学上的优化,不是因果上的推理。
贝叶斯网络切记不能理解成因果关系。
PS:逆向推导应该不是反向箭头,相当于 P(A|B),箭头方向是告诉你B条件下,你答A的分布。反向就是告诉你A是多少,你来回答B的分布。(这里不太懂)

发布了392 篇原创文章 · 获赞 492 · 访问量 241万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览