【人工智能】贝叶斯网络之结构、参数学习

最新推荐文章于 2025-03-06 13:26:30 发布

转载

最新推荐文章于 2025-03-06 13:26:30 发布 · 2.7k 阅读

33 ·

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/SnifferApache/blog/362067

文章标签：

#人工智能 #matlab #python

本文介绍了贝叶斯网络的学习过程，包括参数学习和结构学习。通过使用MATLAB工具BNT，展示了如何从数据中学习网络参数，并探讨了不同结构学习算法的应用。同时，提供了两个人工智能练习题，涉及实际的贝叶斯网络建模和非线性分类问题。

2019独角兽企业重金招聘Python工程师标准>>>

1、上一篇百度文库的代码

（http://my.oschina.net/SnifferApache/blog/343756#OSC_h1_11）

N = 5;  
dag = zeros(N,N);    
B = 1; E = 2; A = 3; R=4;W = 5; 
dag(B,A) = 1;    
dag(E,[A R]) = 1; 
dag(A,W) = 1; 
discrete_nodes = 1:N;  
node_sizes = 2*ones(1,N);    
  
bnet =mk_bnet(dag,node_sizes,'names',... 
{'bandits','earthquake','broadcast','bells','telephone'},... 
'discrete',discrete_nodes); 
  
bnet.CPD{B} = tabular_CPD(bnet,B,[0.9 0.1]);
bnet.CPD{E} = tabular_CPD(bnet,E,[0.99 0.01]); 
bnet.CPD{W} = tabular_CPD(bnet,W,[0.99 0.35 0.01 0.65]); 
bnet.CPD{R} = tabular_CPD(bnet,R,[0.999 0.01 0.001 0.99]); 
bnet.CPD{A} = tabular_CPD(bnet,A,[0.99 0.1 0.1 0.01 0.01 0.9 0.9 0.99]); 
  
figure  
draw_graph(dag)      

 
%计算铃声响，家中有贼的概率 %按如下方式计算p=P(B=2|A=2): 
engine = jtree_inf_engine(bnet); 
evidence = cell(1,N);  evidence{A} = 2; 
[engine, loglik] = enter_evidence(engine, evidence); 
marg = marginal_nodes(engine, B);
p11 = marg.T(2);

%添加华生致电福尔摩斯的这一条信息，也就是计算p=P(B=2|A=2,w=2): 
evidence{W} = 2; 
[engine, loglik] = enter_evidence(engine, evidence);  
marg = marginal_nodes(engine, B);  
p12 = marg.T(2) 
%得出p12=0.8412 ，与p11相同

%计算铃声响，家里地震的概率 %按如下方式计算p=P(E=2|A=2): 
engine = jtree_inf_engine(bnet);  
evidence = cell(1,N); 
evidence{A} = 2; 
[engine, loglik] = enter_evidence(engine, evidence); 
marg = marginal_nodes(engine, E);
p21 = marg.T(2); 

%添加广播的这一条信息，也就是计算p=P(E=2|A=2,R=2):
evidence{R} = 2; 
[engine, loglik] = enter_evidence(engine, evidence);  
marg = marginal_nodes(engine, E);  
p22 = marg.T(2); 

%添加华生致电福尔摩斯的这一条信息，也就是计算p=P(E=2|A=2,R=2,W=2):
evidence{W