精品文档---下载后可任意编辑贝叶斯网络 贝叶斯网络是一系列变量的联合概率分布的图形表示
一般包含两个部分，一个就是贝叶斯网络结构图，这是一个有向无环图（DAG），其中图中的每个节点代表相应的变量，节点之间的连接关系代表了贝叶斯网络的条件独立语义
另一部分，就是节点和节点之间的条件概率表（CPT），也就是一系列的概率值
假如一个贝叶斯网络提供了足够的条件概率值，足以计算任何给定的联合概率，我们就称，它是可计算的，即可推理的
1 贝叶斯网络基础 首先从一个具体的实例（医疗诊断的例子）来说明贝叶斯网络的构造
假设： 命题 S(moker)：该患者是一个吸烟者 命题 C(oal Miner)：该患者是一个煤矿矿井工人 命题 L(ung Cancer)：他患了肺癌 命题 E(mphysema)：他患了肺气肿 命题 S 对命题 L 和命题 E 有因果影响，而 C 对 E 也有因果影响
命题之间的关系可以描绘成如右图所示的因果关系网
因此，贝叶斯网有时也叫因果网，因为可以将连接结点的弧认为是表达了直接的因果关系
图 3-5 贝叶斯网络的实例图中表达了贝叶斯网的两个要素：其一为贝叶斯网的结构，也就是各节点的继承关系，其二就是条件概率表 CPT
若一个贝叶斯网可计算，则这两个条件缺一不可
贝叶斯网由一个有向无环图（DAG）及描述顶点之间的概率表组成
其中每个顶点对应一个随机变量
这个图表达了分布的一系列有条件独立属性：在给定了父亲节点的状态后，每个变量与它在图中的非继承节点在概率上是独立的
该图抓住了概率分布的定性结构，并被开发来做高效推理和决策
贝叶斯网络能表示任意概率分布的同时，它们为这些能用简单结构表示的分布提供了可计算优势
假设对于顶点 xi，其双亲节点集为 Pai，每个变量 xi 的条件概率 P(xi|Pai)
则顶点集合 X={x1,x2,…,xn}的联
