概率图模型-3.贝叶斯网络
注意这里的父节点,指的是父节点的集合
核心问题-条件独立性
讲重点-条件独立性
Z表示是观测变量
比如第一条,如果W不是观测变量,那么X会影响Y,打了一个勾,表示具备概率流动性
第三条,对应右边图的右边部分,I,G,S这部分,若W已被观测,G,S没有流动性,若W未被观测,是有流动性,比如不知道他智力如何,那么考了一次高分,考上高考的概率是很大的,很直观
第四条,对应D,I,G这部分
迹可以理解为路径
重点 D-分离
这个定理很重要
图中,在给定I的情况下S和其非后代节点(D,G,L)都是条件(I)独立的
推理
这里的具体计算后面章节会将
顺箭头方向推断
逆箭头方向推断
双向箭头推断
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· .NET10 - 预览版1新功能体验(一)