Байесовская сеть: различия между версиями
Tanya (обсуждение | вклад) (Новая страница: «'''Байесовская сеть''' (или байесова сеть, байесовская сеть доверия, англ. Bayesian network, belief ne…») |
Tanya (обсуждение | вклад) Нет описания правки |
||
| Строка 1: | Строка 1: | ||
'''Байесовская сеть''' (или байесова сеть, байесовская сеть доверия, англ. [[Bayesian network]], belief network) — графическая вероятностная модель, представляющая множество переменных и их вероятностных зависимостей посредством [[ациклический граф|ациклического]] [[орграф|орграфа]]. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями. Математический аппарат сетей Байеса создан американским учёным Джудой Перлом, лауреатом Премии Тьюринга (2011). | '''Байесовская сеть''' (или сеть Байеса, байесова сеть, байесовская сеть доверия, англ. [[Bayesian network]], belief network) — графическая вероятностная модель, представляющая множество переменных и их вероятностных зависимостей посредством [[ациклический граф|ациклического]] [[орграф|орграфа]]. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями. Математический аппарат сетей Байеса создан американским учёным Джудой Перлом, лауреатом Премии Тьюринга (2011). | ||
Формально, '''байесовская сеть''' — это [[ациклический граф|ациклический]] [[орграф]], каждой [[вершина|вершине]] которого соответствует случайная переменная, а [[дуга|дуги]] графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами. Существуют эффективные методы, которые используются для вычислений и обучения байесовских сетей. | Формально, '''байесовская сеть''' — это [[ациклический граф|ациклический]] [[орграф]], каждой [[вершина|вершине]] которого соответствует случайная переменная, а [[дуга|дуги]] графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами. Существуют эффективные методы, которые используются для вычислений и обучения байесовских сетей. | ||
Если переменные байесовской сети являются дискретными случайными величинами, то такая сеть называется ''дискретной байесовской сетью''. Байесовские сети, которые моделируют последовательности переменных, называют динамическими байесовскими сетями. Байесовские сети, в которых могут присутствовать как дискретные переменные, так и непрерывные, называются ''гибридными байесовскими сетями''. Байесовская сеть, в которой дуги помимо отношений условной независимости кодируют также отношения причинности, называют ''причинно-следственными байесовскими сетями'' (англ. causal bayesian networks). | Если переменные байесовской сети являются дискретными случайными величинами, то такая сеть называется ''дискретной байесовской сетью''. Байесовские сети, которые моделируют последовательности переменных, называют динамическими байесовскими сетями. Байесовские сети, в которых могут присутствовать как дискретные переменные, так и непрерывные, называются ''гибридными байесовскими сетями''. Байесовская сеть, в которой дуги помимо отношений условной независимости кодируют также отношения причинности, называют ''причинно-следственными байесовскими сетями'' (англ. causal bayesian networks). | ||
Версия от 02:03, 9 августа 2016
Байесовская сеть (или сеть Байеса, байесова сеть, байесовская сеть доверия, англ. Bayesian network, belief network) — графическая вероятностная модель, представляющая множество переменных и их вероятностных зависимостей посредством ациклического орграфа. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями. Математический аппарат сетей Байеса создан американским учёным Джудой Перлом, лауреатом Премии Тьюринга (2011).
Формально, байесовская сеть — это ациклический орграф, каждой вершине которого соответствует случайная переменная, а дуги графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами. Существуют эффективные методы, которые используются для вычислений и обучения байесовских сетей.
Если переменные байесовской сети являются дискретными случайными величинами, то такая сеть называется дискретной байесовской сетью. Байесовские сети, которые моделируют последовательности переменных, называют динамическими байесовскими сетями. Байесовские сети, в которых могут присутствовать как дискретные переменные, так и непрерывные, называются гибридными байесовскими сетями. Байесовская сеть, в которой дуги помимо отношений условной независимости кодируют также отношения причинности, называют причинно-следственными байесовскими сетями (англ. causal bayesian networks).