知识卡片
贝叶斯网的三种连接模式与得释
贝叶斯网用三种基本连接刻画信息如何沿边传播。顺连 X→Z→Y:Z 未知时信息可从 X 传到 Y,二者关联;Z 已知时通道被阻塞,X 与 Y 条件独立。分连(共有原因)是一因多果,Z 未知时多个结果相互关联,Z 已知时条件独立。汇连(多因一果)恰好相反:Z 未知时 X 与 Y 独立,Z 已知时二者反而关联——同一结果的多个解释此消彼长,称为得释(Explain Away)。工厂报警网中 B→A→M 是顺连、M←A→S 是分连、E→A←B 是汇连:一旦知道报警 A,盗窃与事故就由独立转为关联,得知事故会降低对盗窃的置信度,因为报警已被解释。图见下方结构图,三条链对应三种模式。
结构图:
flowchart LR
subgraph serial[顺连 B→A→M]
direction LR
B1[盗窃] --> A1[报警] --> M1[主任电话]
end
subgraph diverging[分连 M←A→S]
direction LR
A2[报警] --> M2[主任电话]
A2 --> S2[保安电话]
end
subgraph converging[汇连 E→A←B]
direction LR
E3[事故] --> A3[报警]
B3[盗窃] --> A3
end
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
- 第11章 概率图模型与词性标注 · 查看原书依据
但是,若Z的取值已知,则X的取值就不会影响Z的置信度,也不会影响Y的置信度。同样,Y的取值也不会通过Z影响到X。所以,此时X和Y之间的信息通道被阻塞,信息无法在二者之间传递,也就失去了推断的意义,X和Y相互条件独立。
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:原文逐一描述顺连、分连、汇连在 Z 已知/未知时的信息通道变化,并给出得释(Explain Away)定义与报警案例,支撑三种模式对比。
- 原始内容:但是,若Z的取值已知,则X的取值就不会影响Z的置信度,也不会影响Y的置信度。同样,Y的取值也不会通过Z影响到X。所以,此时X和Y之间的信息通道被阻塞,信息无法在二者之间传递,也就失去了推断的意义,X和Y相互条件独立。