似乎我有一个非常常见的任务，但我错过了一些可以帮助我找到信息的关键字。所以我陈述了我的任务。
有人。关于每个人都知道一组变量。一对人P1和P2可以处于以下关系之一（这是类）：
通过选择具有已知关系的对（Pi，Pk）的一些变量，我可以训练朴素贝叶斯分类器来预测该类。这很好。
现在。我有一组人P1，P2，...... Pm，我需要构建代表家谱的最可能的图。我可以成对地使用我的贝叶斯分类器，但在这种情况下，我不会使用存储在图表/多个节点组合中的大量信息。
例如，给出节点P1，P2，P3和P4。我的贝叶斯分类器认为0.9的概率很高，P2是P1的父亲，而P4是P3的父亲。截至P1和P3之间的关系，对于兄弟姐妹，它返回p = 0.31，对于伙伴，它返回p = 0.34，因此结果非常不可靠。现在，如果P2和P4之间的关系的分类产生具有0.7的概率的“伙伴”，我可以更确定P1和P3实际上是兄弟姐妹。另一方面，如果P2和P4是概率为0.8的“其他”，那么我认为P1和P3是合作伙伴是更安全的。
我可以手工编写这个逻辑，但我认为还有更多的案例和逻辑依赖，特别是如果我们想为大约10或20人构建一个关系图。因此，我想使用某种分类器或分类器系统。
但是这个分类器系统的输出不是二进制或标量值，而是整个图形。我可以使用什么或在哪里可以开始寻找？
谢谢！
答案 0 :(得分：1)
你想让某些人做某种structure learning。就像图形比位更复杂一样，结构学习比分类复杂得多。
您可能希望找到一个最大后验（MAP）族谱，对您的个体关系的概率知识进行处理。鉴于您的所有知识，MAP是最可能的任务。找出概率相关项之间关系的一般问题称为probabalistic inference，或者有时只是推理。
我不知道您是否可以访问最近完成的probabilistic graphical models课程中的课程资料，但这样做很好。