Изменения

Перейти к: навигация, поиск

Байесовские сети

433 байта добавлено, 19:13, 4 сентября 2022
м
rollbackEdits.php mass rollback
<math> \sum\limits_{D,I,G,S,L} P(D,I,G,S,L) = \sum\limits_{D,I,G,S,L} P(D)P(I)P(G|I,D)P(S|I)P(L|G) = </math>
<math> \sum\limits_{D,I,G,S} P(D)P(I)P(G|I,D)P(S|I) \sum\limits_{L} P(L|G) = \sum\limits_{D,I,G,S} P(D)P(I)P(G|I,D)P(S|I) = </math>
<math> \sum\limits_{D,I,G} P(D)P(I)P(G|I,D) \sum\limits_{S} P(S|I) = \sum\limits_{D,I,G} P(D)P(I)P(G|I,D) = \ldots sum\limits_{D,I} P(D)P(I)\sum\limits_{G}P(G|I,D) = \sum\limits_{D,I} P(D)P(I) = 1. </math>
== Виды вероятностного вывода (англ. Reasoning Patterns) ==
Рассмотрим случаи, когда <math>X</math> влияет на <math>Y</math> при имеющихся свидетельствах <math>Z</math>:
* Если вершины связаны непосредственно (<math>X \rightarrow Y</math> или : <math>X</math> всегда влияет на <math>Y</math>.* <math>X \leftarrow Y</math>), : <math>X</math> всегда влияет на <math>Y</math>.* <math>X \rightarrow W \rightarrow Y</math>: <math>X</math> влияет на <math>Y</math>, если <math>W</math> не принадлежит <math>Z</math>.* <math>X \leftarrow W \leftarrow Y</math>: <math>X</math> влияет на <math>Y</math>, если <math>W</math> не принадлежит <math>Z</math>.* <math>X \leftarrow W \rightarrow Y</math> : <math>X</math> влияет на <math>Y</math>, если <math>W</math> не принадлежит <math>Z</math>.* <math>X \rightarrow W \leftarrow Y</math> ('''<math>V</math>-образная структура''') : <math>X</math> влияет на <math>Y</math>, если <math>W</math> или кто-либо из потомков <math>W</math> принадлежит <math>Z</math>, и, соответственно, <math>X</math> не влияет на <math>Y</math>, если <math>W</math> или хотя бы кто-либо из потомков <math>W</math> не принадлежит <math>Z</math>.
{{Определение
== См. также ==
* [[Условная_вероятность|Условная вероятность]]
* [[Байесовская классификация]]
== Источники информации ==
* Andrew D. Gordon, Thomas A. Henzinger, Aditya V. Nori, and Sriram K. Rajamani. 2014. Probabilistic programming. In Proceedings of the on Future of Software Engineering (FOSE 2014). ACM, New York, NY, USA, 167-181. DOI=10.1145/2593882.2593900 doi.acm.org/10.1145/2593882.2593900
 
[[Категория: Машинное обучение]]
1632
правки

Навигация