什么是贝叶斯网络(Bayesian Network)

AI解读 2个月前 硕雀
44 0

贝叶斯网络Bayesian Network,简称BN)是一种概率图模型,用于表示一组随机变量及其条件依赖关系。它由一个有向无环图Directed Acyclic Graph, DAG)和条件概率表Conditional Probability Table, CPT)组成。在这个网络中,节点代表随机变量,而有向边则表示变量之间的依赖关系,即父节点指向子节点,表示因果关系或条件依赖。

贝叶斯网络的一个重要特性是局部马尔可夫性,即每个节点在给定其父节点的情况下,与其它非后代节点条件独立。这种结构使得贝叶斯网络能够紧凑地表示全联合概率分布,并通过条件独立性假设来减少所需的条件概率表数量。

贝叶斯网络可以用于多种推理任务,包括从原因到结果的预测推理(因果推理)和从结果到原因的诊断推理。它在医学、生物学、社会学等领域有广泛应用,例如用于疾病诊断、基因调控网络推断等。

贝叶斯网络最初由Judea Pearl于1985年提出,其理论基础是概率论和图论的结合,旨在处理不确定性知识并进行有效的概率推理

来源:www.aiug.cn
声明:文章来源于网络,如有侵权请联系删除!