大师兄的贝叶斯网络学习笔记(二十二):贝叶斯网络与概率推理(五)

大师兄的贝叶斯网络学习笔记(二十一):贝叶斯网络与概率推理(四)
大师兄的贝叶斯网络学习笔记(二十三):贝叶斯网络与概率推理(六)

二、变量消元算法

4. 案例
  • 上图中,设证据为\{F=0\},考虑调用VE算法计算P(A|F=0)
  • 设变量消元顺序\rho=<C,E,B,D>
  • 贝叶斯网络给出的联合分布的分解为:F = \{P(A),P(B),P(C),P(D|A,B),P(E|B,C),P(F|D,E)\}
  • VE算法首先设置证据F=0,得:F=\{P(A),P(B),\underline{P(C)},P(D|A,B),\underline{P(E|B,C),P(F=0|D,E)}\};
  • 第一个要消去的变量为C,与之有关的函数P(C)P(E|B,C),消去C,得F=\{P(A),P(B),P(D|A,B),\underline{P(F=0|D,E)},\psi_1(B,E)\};,这里\psi_1(B,E)=\sum_CP(C)P(E|B,C)
  • 下一个要消去的变量为E,与之有关的函数是P(F=0|D,E)\psi_1(B,E),消去E,得:F=\{P(A),\underlineP(B),P(D|A,B),\psi_2(B,D)\},这里\psi_2(B,D)=\sum_EP(F=0|D,E)\psi_1(B,E)
  • 下一个要消去的变量为B,阈值有关的函数是P(B),P(D|A,B)\psi_2(B,D)。消去B,得F=\{P(A),\psi_3(A,D)\},这里\psi_3(A,D)=\sum_BP(B)P(D|A,B)\psi_2(B,D)
  • 最后一个要消去的变量为D,与之有关的函数是\psi_3(A,D)。消去D,得到F=\{P(A),\PSI_4(A)\},这里\PSI_4(A)=\sum_D\psi_3(A,D)
  • 计算h(A)=P(A)\psi_4(A)
  • 返回P(A|F=0)=\frac{h(A)}{\sum_Ah(A)^.},这就是要求的后验概率分布。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容