Twoim problemem jest to, że powszechną NICOŚĆ mylisz z osobistą PUSTKĄ
//-->.pos {position:absolute; z-index: 0; left: 0px; top: 0px;}Sieci bayesowskieP(F=1)FP(C1 = 1 | F = 1)P(C1 = 1 | F = 0) C1MP(M = 1 | C1 = 1, C2 = 1)P(M = 1 | C1 = 1, C2 = 0)P(M = 1 | C1 = 0, C2 = 1)P(M = 1 | C1 = 0, C2 = 0)FC1C2MRpali papierosychory na chorobę 1chory na chorobę 2łatwo się męczywynik RTG płucC2P(C2 = 1 | F = 1)P(C2 = 1 | F = 0)RP(R = 1 | C2 = 1)P(R = 1 | C2 = 0)Sieci bayesowskie1Sieci bayesowskieFC1MPrawdopodobieństwo łączne:P(C1, C2, M, R, F) = P(F) * P(C1 | F) * P (C2 | F) * P(M | C1, C2) * P(R | C2)C2RP(C2=1,R=1,F=0)=P(C2=1| R=1,F=0)=P(R=1,F=0)∑∑P(C1=i, C2=1,M=j,R=1,F=0)∑∑∑P(C1=i,C2=j,M=k,R=1,F=0)i=0 j=0 k=i=0 j=11 111Sieci bayesowskie2Sieci bayesowskie - zalety• Czytelna reprezentacja wiedzy o zależnościachprzyczynowych• Oszczędna reprezentacja łącznego rozkładuprawdopodobieństwa• Efektywne algorytmy wnioskowaniaSieci bayesowskie3Sieci bayesowskie1. Uczenie sieci• uczenie struktury sieci• szacowanie parametrów2. Wnioskowanie na podstawie sieciSieci bayesowskie4Uczenie parametrówZałożenie:Znana jest struktura sieci bayesowskiejZadanie:Wyznaczenie prawdopodobieństw warunkowychSieci bayesowskie5