机器学习中的贝叶斯网络及其推理分析.pdf

《机器学习中的贝叶斯网络及其推理分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·91·机器学习中的贝叶斯网络及其推理分析张慧莹，宁媛，邵晓非(贵州大学电气工程学院，贵州I贵阳550003)摘要：机器学习作为当今国内外研究的热点在智能系统中得到了重视和运用，贝叶斯是机器学习的核·心方法之一，以贝叶斯理论作为中心的贝叶斯网络必将应用延伸到各个问题领域，本文介绍了贝叶斯网络的概念及其学习推理过程，并结合MArrI．AB中的BN工具箱，引用来自UCI的标准数据集对贝叶斯网络进行仿真测试。关键词：机器学习贝叶斯网络MArnB贝叶斯学习推理BNT工具箱．．．中图分类号：，IPl83文献标识码：A文章编号：1Q02一~(2o12)02—0091—04

2、Re~soningandAnalysisofBayesianNetworkinMachine~arningZHANGHu~ylng，NINGYuan，SHAOXiaofeiAbstract：MachinelearningaSthedomesticandforeignresearchhotspotinintelligentsystemwasreceivingattentionanduse，bayesianisO13eofthecoreofmachinelearningmethod，withbayesiantheoryasthecenterofthebayesia

3、nnetworkapplicationwillex—tendtoeachproblemfields，thispaperintroducestheconceptofthebayesiannetworksandthelearningprocessofreasoning，andcorn-binedwiththeBNTMATLABtoolbox，quotedfromtheUCIdatasetstandardsofbayesiannetworkssimulationtest．Keywords：machinelearning；bayesiannetwork；MATLAB；

4、bayesianlearningreasoning；BNTtoolbox流程，即“认识一实践一再认识”，从而实现机器学习的过O引言程。这样一个动态的学习过程表明，机器学习实际是一个机器学习作为当今国内外研究的热点，在智能系统有特定目的的知识获取过程，对知识的认识是机器学习研中得到了重视和运用，而贝叶斯是机器学习的核心方法之究的基础，知识的获取和提高是机器学习的两个重要内～，以贝叶斯理论作为中心的贝叶斯网络更是将应用延伸容。通过学习不断增长出原来不存在的新知识，以丰富知到各个问题领域，所有需要作出概率预测的地方都可以见识库。而知识获取一直是系统开发的瓶颈问题，机

5、器学习到贝叶斯的影子，这背后的深刻原因在于现实世界本身就就是解决知识自动获取的根本途径，即机器学习的理论研是不确定的，人类的观察能力是有局限性的，这正是贝叶究与技术发展，其中关键是要研究机器学习中所用到的推斯网络的优点，值得深入研究。理方法。尤其是对于一个智能系统来说，其核心就是知识库，但是在这个知识库中，往往含有大量模糊性、随机性、l机器学习不确定性因素的知识，换句话说就是所谓智能就体现在求机器学习即是研究计算机怎样模拟或实现人类的学解不确定性问题的能力上，而贝叶斯理论就是解决不确定习行为，以获取新的知识或技能，重新组织已有的知识结性问题的重要方法。构使之不

6、断改善自身的性能。对于机器学习的研究成果2贝叶斯网络已经无声的走入了人类的日常生活，自动驾驶、智能机器手、智能窗帘等等很多方面都可以看到机器学习的应用，贝叶斯网络以贝叶斯方法为核心，在不确定环境下它不仅为人类的生活带来了便利，也引领着全世界进入一有小的知识表示和概率推理模型，是一种直观的图形化分个智能化的多元世纪。析工具，其强大的推理分析方法，在预测、决策、诊断等方机器学习旨在建立学面都得到了应用。它的结构是一种由节点、有向弧线和条习的计算理论，构造各种学件概率分布组成的有向非循环网络，一般包含两个部分：习系统，并在各个领域应用一个是贝叶斯网络结构图，其中图中

7、的每个节点代表相应这些系统，它有四个构成要的变量。另一个部分就是节点和节点之间的条件独立概素：环境、学习环节、知识库图l率表cPrr，也就是一系列的概率值。以下给出一个典型和执行环节⋯。四个环节之间构成了如图1所示的关系的贝叶斯网络的例子，图2表示阴天、洒水、下雨、湿草坪·92·之间的关系，它是有四即是要算出P(W=2lC：2)。这种类型由原因推知结论，个变量C，

8、s，R，的网就是根据已知的父节点状态，计算子节点的条件概率。络，所有的变量(事件)P(W=2IC=2)的求取过程是：都是二元的，状态l表P(W=2Ic=2)=∑P(W：2l5，R)P(SIC=2)一

9、示事件未发生，状态2一P(尺lC=2)