Bayes Belief Networks詳解(附帶詳細公式推導)
Bayes Belief Networks詳解
第十次寫部落格,本人數學基礎不是太好,如果有幸能得到讀者指正,感激不盡,希望能借此機會向大家學習。這篇文章主要分為一下三部分來介紹貝葉斯信念網(BayesBeliefNetworks):BNN的簡要介紹、如何構建BNN、如何基於BNN進行估計以及BNN的特點。
貝葉斯信念網
這一部分主要是講貝葉斯網的基本結構、條件獨立性與邊界獨立性以及條件獨立性分析。
基本結構
“貝葉斯信念網路”(BayesBeliefNetworks,BBN),簡稱貝葉斯網,用圖形表示一組隨機變數(屬性)之間的依賴關係。有兩個重要的組成部分:
(1)一個有向無環圖(DirectedAcyclicGraph,簡稱DAG),來刻畫變數之間的依賴關係。
(2)一個概率表(ConditionalProbabilityTable,簡稱CDT),來描述隨機變數之間(子結點與父結點之間)的聯合概率分佈。
具體來說,一個貝葉斯網
下面舉一個簡單的例子,下圖給出了西瓜問題的一種貝葉斯網路表示。可以從圖中看出,“敲聲”依賴於“好瓜”,“色澤”依賴於“好瓜”和“甜度”,而“根蒂”依賴於“甜度”,從“甜度->根蒂”的概率引數表中,可以得知這兩個屬性之間的定量的依賴資訊,如 。
條件獨立性與邊際獨立性
貝葉斯網路中有如下圖所示的三種典型依賴關係:同父結構、V型結構、順序結構。
這三種結構存在以下幾種不同的依賴關係:
(1) 在同父結構中,如果給定父結點的取值,那麼子結點與條件獨立。
(2) 在順序結構中,如果給定結點的取值,那麼結點與條件獨立。
(3) 在V型結構中,如果給定子結點的取值,那麼父結點與必不獨立;反之,子結點的取值未知,那麼結點與滿足邊際獨立性。
前兩種結構可以統稱為“滿足條件獨立性”,即貝葉斯網路中的某個結點,如果他的所有父結點已知,那麼它條件獨立於它的所有非後代結點。如下圖中,如果給定結點的取值,那麼結點條件獨立於結點和。
條件獨立性分析
為了分析有向圖中變數間的條件獨立性,可以使用“有向分離”(DirectedSeparation),將一個有向圖轉換為無向圖。具體步驟如下:
(1)找出有向圖中的所有V型結構,在V型結構的兩個父結點之間加上一條無向邊;
(2)將所有的有向邊改為無向邊。
由此產生的無向圖稱為“道德圖”(MoralGraph),令父結點相連的過程稱為“道德化”(Moralization)。通過道德圖可以快速、有效的找到變數間的條件獨立性,具體的步驟是,假設道德圖中有變數