文档介绍:知识管与分析实验宣
数池术专
贝叶斯网络与朴素贝叶斯
2017/10/27
知识管理与数据分析实验室
贝叶斯法则问题
如何判定一个人是好人还是坏人?
好人
总做一些好事?
人的
主观
坏人
·总做一些坏事?认识
2017/10/27
知识管理与数据分析实验室
贝叶斯法则引言
当你无法准确的知悉一个事物的本质时,
你可以依靠与事物特定本质相关的事件出
现的次数来判断其本质属性的概率。
如果你看到一个人总是做一些好事,那这个人
就越可能是一个好人。
数学语言表达就是:支持某项属性的事件
发生得越多,则该属性成立的可能性就愈
大
一贝叶斯法则
2017/10/27
知识管理与数据分析实验室
贝叶斯法则起源
贝叶斯法则来源于英国数学家
贝叶斯( Thomas Bayes)在
1763年发表的著作《论有关
机遇问题的求解》。
贝叶斯法则最初是一种用于概率论基础理论
的归纳推理方法,但随后被一些统计学学者
发展为一种系统的统计推断方法,运用到统
计决策、统计推断、统计估算等诸多领域。
2017/10/27
知识管理与数据分析实验室
贝叶斯法则贝叶斯公式
贝叶斯公式
定义一假定某个过程有若千可能的前提条件
X1…,Xn,则P(X)表示人们事先对前提条
件x出现的可能性大小的估计,即先验概率。
定义二假定某个过程得到了结果A,则
P(XA)表示在出现结果A的前提下,对前提
条件X出现的可能性大小的估计,即后验概率。
P(AIXP(X
P(X; IA
∑P(A|X)P(X)
2017/10/27
知识管理与数据分析实验室
贝叶斯法则算例
全垄断市场条件下,只有一家企业M提供产品和服务。企
业K考虑是否进入该市场。同时,企业M为阻止K进入该
市场采取了相应的投资行为,而K能否进入该市场完全取
决于M为阻止其进入所花费的成本大小。
假设K并不知道原垄断者M是属于高阻挠成本类型还是低
阻挠成本类型,但能确定,如果M属于高阻挠成本类型,
K进入市场时M进行阻挠的概率是20%;如果M属于低阻
挠成本类型,K进入市场时M进行阻挠的概率是100%。
现设K认为M属于高阻挠成本企业的概率为70%,而在K
进入市场后,M确实进行了商业阻挠。试以企业K的角度,
判断企业M为高阻挠成本类型的概率。
2017/10/27
知识管理与数据分析实验室
贝叶斯法则算例
利用贝叶斯公式建模:
前提条件:设M是高阻挠成本类型为x,低阻挠
成本类型为X;
结果:M对K进行阻挠为A
所求概率即为在已知结果A的情况下,推断条
件为X的后验概率P(X1|A);
已知P(A|X)为02,P(A|X2)为1,P(x
为07,P(X)。
2017/10/27
知识管理与数据分析实验室
贝叶斯法则算例
根据贝叶斯公式可计算:
P(AIX,P(X,)
×
P(A|X)P(X1)+P(AX2)P(X2)×07+
即根据实际市场的运作情况,企业K可判
换句话说,企业M更可能属于低阻挠成本类
型。
2017/10/27
知识管理与数据分析实验室
二、贝叶斯网络引言
贝叶斯网络又称为信度网络,是基于概率
推理的图形化网络。它是贝叶斯法则的扩
展,而贝叶斯公式则是这个概率网络的基
础
贝叶斯网络适用于表达和分析不确定性和
概率性事件,应用于有条件地依赖多种控
制因素的决策过程,可以从不完全、不精
确或不确定的知识或信息中做出推理。
2017/10/27
知识管理与数据分析实验室
二、贝叶斯网络引言
贝叶斯网络由 Judea pearl于1988年提出,
最初主要用于处理人工智能中的不确定信
随后,逐步成为处理不确定性信息技术的
主流,并在文本分类、字母识别、经济预
测、医疗诊断、工业控制等领域得到了广
泛的应用。目前,贝叶斯网络是不确定知
识表达和推理领域最有效的理论模型之
2017/10/27
知识管理与数据分析实验室