冬日晴好, 下午看完了论文, 对Bayesian Network是什么有了系统的了解.论文是causalnex工具里提到的
Stephenson, Todd Andrew. An introduction to Bayesian network theory and usage. No. REP_WORK. IDIAP, 2000.
该论文主要论述了以下几点:
- What is Bayesian network
- Inference Bayesian network: junction tree algorithm
- Learning Bayesian Network
- Applications
- Automatic Speech Recognition: Dynamic Bayesian Network
- Computer troubleshooting
- Medical diagnosis
1.What is Bayesian Network(BN)
A directed acyclic graph(DAG) with probability distribution for each variable
这是一个交叉领域, 涉及概率论和图论, 主要可以应用于因果推断, 其优势是:
- 可以引入专家经验
- 通过图结构化简联合概率分布求解
下图是Hackerman解释BN时用的信用欺诈网络:
2.Inference Bayesian Network
一个示例如下, 对欺诈模型进行条件概率求解时, 可借助BN进行化简, 这是一个离散变量的例子.
其他常见的推断方法包括
作者在论文中, 重点讲述了Junction Tree Method. 该算法通过将图进行Moralize和Triangulate转化为Join Tree进行推断
3.Learning Bayesian Network
需要关心如下四种场景
4.Applications
一个实用案例, 在windows95中, 采用了BN进行printer的异常检测
BN在目前的机器学习中, 应该是计算复杂度高, 应用范围不像深度学习这么广, 而因果推理上, 样本量可以不用很大, 会有不错的应用效果.