知识卡片
贝叶斯网络
贝叶斯网络用有向图表示变量间的条件依赖,把巨大联合分布分解为局部条件概率。它让不确定推理既有结构可解释,又能利用独立性降低计算量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 概率推理 13.1 不确定域的知识表示 · 查看原书依据
一旦我们确定了贝叶斯网络的拓扑结构,就只需要以给定其父节点的条件分布的形式来指定每个变量的局部概率信息。所有变量的完全联合分布由拓扑结构和局部概率信息定义。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第13章《概率推理》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0032_split_001.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:贝叶斯网络用有向图表示变量间的条件依赖,把巨大联合分布分解为局部条件概率。原文从「13.1 不确定域的知识表示」处给出对应机制与依据,支撑本卡结论。
- 原始内容:一旦我们确定了贝叶斯网络的拓扑结构,就只需要以给定其父节点的条件分布的形式来指定每个变量的局部概率信息。所有变量的完全联合分布由拓扑结构和局部概率信息定义。