【机器学习】--贝叶斯网络
一、前述
当多个特征属性之间存在着某种相关关系的时候,使用朴素贝叶斯算法就没法解决这类问题,那么贝叶斯网络就是解决这类应用场景的一个非常好的算法。一般而言,贝叶斯网络的有向无环图中的节点表示随机变量,可以是可观察到 的变量,或隐变量,未知参数等等。连接两个节点之间的箭头代表两个随机变量之间的因果关系(也就是这两个随机变量之间非条件独立),如果两个节点间以一个单箭头连接在一起,表示其中一个节点是"因",另外一个是"果",从而两节点之间就会产生一个条件概率值。注意:每个节点在给定其直接前驱的时候,条件独立于其后继。
二、具体
1、最简单的一个例子
2、最复杂的一个例子,全连接贝叶斯网络
3、一般的贝叶斯网络
X1,X2,X3独立,X6和X7在给定条件下独立,X1,X2,X3,...X7的联合分布为