贝叶斯网络:独立与条件独立

时间:2011-03-18 17:19:23

标签: artificial-intelligence probability bayesian-networks

我对贝叶斯网络有一些误解。我的主要误解是独立性和有条件的独立性!

enter image description here

如果是我得计算一下 P(Burglary|Johncall), 它是P(Burglary|Johncalls)=P(Burglary),因为我看到Burglary独立于Johncalls?

1 个答案:

答案 0 :(得分:3)

盗窃独立于JohnCalls 给予警报。所以P(B | A,J)= P(B | A)。

解释示例

这个想法是,约翰只能告诉你有警报。但是如果你已经知道有警报,那么约翰打来的电话就不会告诉你有关入室盗窃的可能性。是的,你知道John听到了警报,但这不是你在要求抢劫时感兴趣的。

条件独立

在学校,你可能已经学会了无条件独立,当P(A | B)= P(A)* P(B)时。无条件的独立性使得事情很容易计算,但很少发生 - 在信念网络内部无条件独立的节点将是不连接的。

另一方面,条件独立有点复杂,但更常发生。这意味着当学习另一个“分离”事实时,两个事件的概率彼此独立。