机器学习中的贝叶斯网络是什么意思?
0 1192
1
该提问暂无详细描述
收藏
2021-01-15 16:45 更新 🍊小桔子 •  2439
共 1 个回答
高赞 时间
0

贝叶斯网络本质上具有随机变量,并且具有对变量之间的依赖性进行编码的图结构。例如,考虑下图: 该图编码的如下: “下雨”的可能性取决于是否是“阴天”:阴天= True =>下雨的可能性更高 “洒水”的概率取决于是否为“多云”:多云= True =>洒水的概率较低 “湿草”的概率取决于“洒水”和“雨水”:如果这些因素中的任何一个成立,那么湿草也可能成立。 现在,有一些算法可以对这些图进行“训练”和“推理”,训练包括学习给定标记数据的节点之间的关系,推理包括计算一些变量的概率,假设其他变量被观察到处于特定状态[例如,在上面的例子中Rain=True] 该框架可用于多种应用程序。常见的应用之一是隐马尔可夫模型(HMM)。假设给你一组英语句子,并且想学习预测一个看不见的句子中每个单词的词性。你可以将此问题建模为HMM: 在这里,t是需要预测的标签,w是要观察的单词。给定单词,你想找到最可能的标签序列。

收藏
2021-01-15 16:49 更新 Lisa •  1796