文章目錄

• 1、樸素貝葉斯公式
• • 1.1、貝葉斯公式的應(yīng)用
• 2、了解貝葉斯網(wǎng)絡(luò)
• • 2.1、知道什么是貝葉斯網(wǎng)絡(luò)
  • 2.2、貝葉斯網(wǎng)絡(luò)的兩種表示形式
  • 2.3、掌握全連接的貝葉斯網(wǎng)絡(luò)的公式
  • 2.3、知道條件概率表參數(shù)個(gè)數(shù)分析的方法
  • 2.4、掌握變量聯(lián)合分布概率的公式及含義
  • 2.5、知道馬爾科夫模型
• 3、了解D-separation
• • 3.1、知道下面的三個(gè)通過貝葉斯網(wǎng)絡(luò)判定條件獨(dú)立
  • 3.2、有向分離的實(shí)例
• 4、了解貝葉斯網(wǎng)絡(luò)的生成過程

1、樸素貝葉斯公式

1.1、貝葉斯公式的應(yīng)用

2、了解貝葉斯網(wǎng)絡(luò)

2.1、知道什么是貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)又稱為有向無環(huán)圖模型，是一種概率圖模型，根據(jù)概率圖的拓?fù)浣Y(jié)構(gòu)，考察一組隨機(jī)變量（X1,X2,X3…Xn）及其n組條件概率分布的性質(zhì)

2.2、貝葉斯網(wǎng)絡(luò)的兩種表示形式

2.3、掌握全連接的貝葉斯網(wǎng)絡(luò)的公式

p(x1,x2…,xk)=p(xK|x1,…,xK-1)…p(x2|x1)p(x1)

2.3、知道條件概率表參數(shù)個(gè)數(shù)分析的方法

知道這個(gè)分析過程中的式子代表的含義
13代表的是所需參數(shù)的個(gè)數(shù)

2.4、掌握變量聯(lián)合分布概率的公式及含義

含義也就是計(jì)算J、M、A、！b、！a同時(shí)發(fā)生的概率

2.5、知道馬爾科夫模型

知道馬爾科夫模型對(duì)應(yīng)的是只有一條鏈路的貝葉斯網(wǎng)絡(luò)

3、了解D-separation

D-separation：有向分離
作用：通過判斷節(jié)點(diǎn)是否獨(dú)立來簡化概率運(yùn)算

3.1、知道下面的三個(gè)通過貝葉斯網(wǎng)絡(luò)判定條件獨(dú)立

3.2、有向分離的實(shí)例

將右邊圓圈看做一個(gè)整體來分析各個(gè)節(jié)點(diǎn)之間的是否條件獨(dú)立，以此來簡化概率運(yùn)算

4、了解貝葉斯網(wǎng)絡(luò)的生成過程

貝葉斯網(wǎng)絡(luò)生成過程：
根據(jù)給定的概率數(shù)據(jù)去計(jì)算各個(gè)節(jié)點(diǎn)之間是否有連線：
如P(J|M)=P(J)？若相等則代表獨(dú)立，則不應(yīng)該有邊；若不相等則代表不獨(dú)立，則代表有邊。以此類推來計(jì)算不同節(jié)點(diǎn)之間的關(guān)系，得到最終的貝葉斯網(wǎng)絡(luò)。

實(shí)例

總結(jié)

以上是生活随笔為你收集整理的机器学习之朴素贝叶斯算法的推理及相关知识总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。