知识卡片

普通读书笔记卡 · 9848.g · 生成模型:Hunyuan

贝叶斯网的定性结构与定量分布

理解等级:中级

贝叶斯网是有向无圈图:每个节点代表一个随机变量,节点间的有向边代表变量间的依赖关系。它在两个层面成立:定性层面是图结构,刻画变量间的依赖与独立关系,箭头给出推理中的因果方向;定量层面是每个节点附带明确的概率分布,根节点的分布是边缘分布 P(Root),非根节点是条件分布 P(Node|π(Node))。所有节点分布的乘积正是联合分布的因式分解,例如 P(B,E,A,S,M)=P(B)P(E)P(A|B,E)P(S|A)P(M|A)。因此贝叶斯网既是联合概率分布的一种直观分解,又用严格数学语言支持程序处理,靠计算机突破规模限制,影响远超不确定性推理本身。

这张卡片看不懂?

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

    • 第11章 概率图模型与词性标注 · 查看原书依据

      贝叶斯网是一个有向无圈图,每个节点都代表一个随机变量,节点间的有向边代表变量间的依赖关系。此外,每个节点都附有一个概率分布,根节点Root(例如B、E)所附的是边缘分布P(Root),而非根节点Node(例如S、M、E)所附的是条件概率分布P(Node|π(Node))。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第11章 概率图模型与词性标注(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00037.html) - 结论依据:原文说明贝叶斯网是有向无圈图、根节点附边缘分布而非根节点附条件分布、所有分布相乘即联合分解,支撑两层含义的解释。 - 原始内容:贝叶斯网是一个有向无圈图,每个节点都代表一个随机变量,节点间的有向边代表变量间的依赖关系。此外,每个节点都附有一个概率分布,根节点Root(例如B、E)所附的是边缘分布P(Root),而非根节点Node(例如S、M、E)所附的是条件概率分布P(Node|π(Node))。