在贝叶斯网络(Bayes Network)中,已知结点(或结点集合)Z,结点X和结点Y关于Z条件独立,则记为 XY|Z
1.判断方法
    判断贝叶斯网络中任意一对结点是否条件独立,最直观的方法是贝叶斯球(Bayes Ball)。其思想是:假设在贝叶斯网络中有一个按一定规则运动的球;已知中间结点(或结点集合)Z,如果球不能由结点X出发到达结点Y(或者由Y到X),则称X和Y关于Z独立
2.定义术语
    定义几个术语,描述贝叶斯球在一个结点上的动作:
  • 通过(pass through):从当前结点的父节点方向过来的球,可以访问当前结点的任意子节点。(父 -> 子)
                            从当前结点的子节点方向过来的球,可以访问当前结点的任意父节点。(子 -> 父)
  • 反弹(bounce back):从当前结点的父节点方向过来的球,可以访问当前结点的任意父节点。(父 -> 父)
                           从当前结点的子节点方向过来的球,可以访问当前结点的任意子节点。(子 -> 子)
  • 截止(block):当前结点阻止贝叶斯球继续运动。
3.规则
    一个结点可以是已知结点或未知结点,现在使用术语来描述贝叶斯球在这两种结点上的运动规则:
   未知结点:
        总能使贝叶斯球通过,同时还可以反弹从其子节点方向来的球。(父 -> 子)|(子 -> 父/子)
   已知结点:
       反弹从其父节点方向过来的球,截止从其子节点方向过来的球。(父 -> 父)|(子 ->“截止”)
上述规则如下图所示,单圈表示未知结点,双圈表示已知结点:
4.举例说明:
    在上图中,A⊥B|D,因为球从A向已知结点D运动时,被反弹,所以无法运动到B。同理,球从B向D运动时被截止,所以也无法运动到A。而B和C不关于已知结点E独立,因为B向E运动时,被反弹到C,所以B可以运动到C。


贝叶斯球(Bayes ball)相关推荐

  1. 概率论的学习整理5:贝叶斯(bayes)法则和贝叶斯概率

    1 贝叶斯(bayes)概率的思考过程 我觉得,bayes公式需要先理解条件概率,全概率公式才行 纯从bayes公式的角度,其实是从 条件概率P(B | A) 开始,推导到联合概率P(AB) / P( ...

  2. 朴素贝叶斯(naive bayes)

    朴素贝叶斯(naive bayes) 标签: Python 机器学习 主要參考资料:<机器学习实战><统计学习方法> 1.朴素贝叶斯分类原理 朴素贝叶斯法是基于贝叶斯定理和特征 ...

  3. 机器学习一:朴素贝叶斯(Naive Bayes)

    朴素贝叶斯 Naive Bayes 1. Introduction 1.1 离散属性 1.2 连续属性 1.2.1 Gaussian Naive Bayes 1.2.2 Multinomial Nai ...

  4. 机器学习笔记——朴素贝叶斯(Naive Bayes)

    1贝叶斯算法简介 贝叶斯分类算法是统计学的一种分类方法,它是一类利用概率统计知识进行分类的算法.在许多场合,朴素贝叶斯(Naïve Bayes,NB)分类算法可以与决策树和神经网络分类算法相媲美,该算 ...

  5. 【手写算法实现】 之 朴素贝叶斯 Naive Bayes 篇

    [手写算法实现] 之 朴素贝叶斯 Naive Bayes 篇 朴素贝叶斯模型(naive bayes)属于分类模型,也是最为简单的概率图模型,对于之后理解HMM.CRF等模型,大有裨益.这里手写算法介 ...

  6. 机器学习:基于朴素贝叶斯(Naive Bayes)的分类预测

    目录 一.简介和环境准备 简介: 环境: 二.实战演练 2.1使用葡萄(Wine)数据集,进行贝叶斯分类 1.数据导入 2.模型训练 3.模型预测 2.2模拟离散数据集–贝叶斯分类 1.数据导入.分析 ...

  7. 机器学习算法: 朴素贝叶斯(Naive Bayes)

    朴素贝叶斯的介绍 朴素贝叶斯算法(Naive Bayes, NB) 是应用最为广泛的分类算法之一.它是基于贝叶斯定义和特征条件独立假设的分类器方法.由于朴素贝叶斯法基于贝叶斯公式计算得到,有着坚实的数 ...

  8. spark mllib 朴素贝叶斯 naive bayes

    为什么80%的码农都做不了架构师?>>>    数据源说明 第一列每行的标签,其他列为特征 运行代码如下 package spark.logisticRegressionimport ...

  9. 朴素贝叶斯(Naive Bayes),“Naive”在何处?

    加上条件独立假设的贝叶斯方法就是朴素贝叶斯方法(Naive Bayes). Naive的发音是"乃一污",意思是"朴素的"."幼稚的".&q ...

  10. 西瓜书+实战+吴恩达机器学习(八)监督学习之朴素贝叶斯 Naive Bayes

    文章目录 0. 前言 1. 朴素贝叶斯算法 2. 半朴素贝叶斯算法 2.1. ODE 2.2. SPODE 2.3. TAN 2.4. AODE 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔 ...

最新文章

  1. 关于css的float
  2. 自学网python教程视频-Python爬虫之Django视频教程
  3. 搭建iscsi存储系统
  4. 【HIBERNATE框架开发之九】HIBERNATE 性能优化笔记!(遍历、一级/二级/查询/缓存、乐观悲观锁等优化算法)...
  5. nginx真的存在文件类型解析漏洞吗?
  6. java实现modbustcp通讯_Modbus TCP双通道冗余技术
  7. kubernetes 集群部署
  8. java day24【Stream流、方法引用】
  9. 【渝粤题库】广东开放大学 文化产业概论 形成性考核 (2)
  10. excel两列数据绘制单折线图
  11. 数据结构:哈希表设计(c++)
  12. 服务器虚拟化发展的趋势,2013年服务器虚拟化九大发展趋势
  13. 计算机文化基础(高职高专版 第十一版)第七章 答案
  14. 渲染巨匠(lightscape) 3.2 SP1 汉化版
  15. 南开大学2019年高等代数考研试题不全
  16. python 余弦值_余弦相似度
  17. 数据结构最常用的排序算法一(冒泡、插入、选择)-Java实现
  18. 深入理解朴素贝叶斯(Naive Bayes)
  19. 地图定位偏移以及坐标系转换(一)-国内部分常见的地理坐标系
  20. Allegro基本规则设置指导书之Physical规则设置

热门文章

  1. 高斯消元法(Gauss Elimination) 分析 题解 模板——czyuan原创
  2. Android电池驱动【转】
  3. gulp教程之gulp-uglify(压缩javascript文件,减小文件大小)
  4. android.support.v4.app.Fragment和android.app.Fragment区别
  5. My.Ioc 代码示例——如何使用默认构造参数,以及如何覆盖默认构造参数
  6. c语言实现--单向循环链表操作
  7. (转)Top Ten Web Hacking Techniques of 2011
  8. 很好听,可没机会跟你分享
  9. Dataset增加行数据及常用方法
  10. formatter function (value,row,index){} 参数的含义