贝叶斯网如何简化事情?

时间:2013-10-28 19:41:47

标签: artificial-intelligence bayesian bayesian-networks probability-theory

我最近遇到了贝叶斯网络。我读到它们有助于降低n个随机变量的联合概率分布的维数(让它们成为布尔值)。

In General
P(X1,X2,X3,.....Xn) = P(X1)*P(X2|X1)*P(X3|X1,X2)*.......*P(Xn|X1,X2,X3,.....Xn-1)

贝叶斯网络有助于简化公式,因为它包含有关哪些变量实际上彼此依赖的信息。我得到了这么多。

我没有得到的是如何减少计算概率所需的计算? 基本上我不理解联合分布背景下的维度概念。

1 个答案:

答案 0 :(得分:1)

好的,我找到了答案。 它实际上并没有减少计算量。它只是降低了空间复杂性。 这是来自维基百科的存根:

如果联合分布的依赖关系稀疏,则使用贝叶斯网络可以节省大量内存。例如,将10个二值变量的条件概率存储为表的简单方式需要2 ^ {10} = 1024个值的存储空间。如果无变量的局部分布取决于多于3个父变量,则贝叶斯网络表示仅需要存储最多10 * 2 ^ 3 = 80个值。     贝叶斯网络的一个优点是,人类在直觉上更容易理解(稀疏的一组)直接依赖关系和局部分布,而不是完全联合分布。