11、科学知识发现与贝叶斯认识论：从概念到应用

科学知识发现与贝叶斯认识论：从概念到应用

1. 证据整合与贝叶斯认识论

判断聚合是一个充满概念问题的难题，预测聚合只是其中的一个特殊情况。相关文献中充斥着不可能结果，而非解决方案。因此，构建一个基于所有可用证据（包括定量和定性证据）的单一模型，并用于预测，可能是更好的方法。这种结合证据的方式通常被称为知识整合，但由于可用证据不一定完全为真，用证据整合来表述更为合适。

贝叶斯认识论为基于各种证据创建单一模型提供了很好的方法。在这种情况下，模型是概率函数的一种表示，它捕捉了在给定证据下主体的合理置信度。证据通过校准规范进行整合，每个证据项都会对概率函数施加约束。如果证据本身不一致，则需要某种一致性维护程序。

• 定量证据约束 ：数据集会对主体的概率函数施加约束，即当概率函数限制在该数据集的变量上时，应在其他证据允许的范围内与数据集的分布相匹配（拟合但不过拟合）。
• 定性证据约束 ：如果一个新变量与当前变量不存在影响关系（即不影响当前变量），那么了解该新变量不会成为改变主体对当前变量置信度的依据。因果、逻辑、层次和部分 - 整体关系等可被视为影响关系。因此，关于这些关系的证据会施加等式约束，即当概率函数限制在受影响封闭的变量上时，应在其他证据允许的范围内与仅依据该子集变量的证据所采用的概率函数相匹配。

总之，证据整合比预测聚合更有可能克服当前机器学习范式适用性有限的问题。贝叶斯认识论非常适合解决证据整合问题，这为科学哲学与机器学习之间的有益互动提供了空间。

2. 癌症预后的应用实例

以乳腺癌预后为例，说