机器学习40讲
王天一
工学博士,副教授
立即订阅
8040 人已学习
课程目录
已完结 44 讲
0/4登录后,你可以任选4讲全文学习。
开篇词 (1讲)
开篇词 | 打通修炼机器学习的任督二脉
免费
机器学习概观 (10讲)
01 | 频率视角下的机器学习
02 | 贝叶斯视角下的机器学习
03 | 学什么与怎么学
04 | 计算学习理论
05 | 模型的分类方式
06 | 模型的设计准则
07 | 模型的验证方法
08 | 模型的评估指标
09 | 实验设计
10 | 特征预处理
统计机器学习模型 (18讲)
11 | 基础线性回归:一元与多元
12 | 正则化处理:收缩方法与边际化
13 | 线性降维:主成分的使用
14 | 非线性降维:流形学习
15 | 从回归到分类:联系函数与降维
16 | 建模非正态分布:广义线性模型
17 | 几何角度看分类:支持向量机
18 | 从全局到局部:核技巧
19 | 非参数化的局部模型:K近邻
20 | 基于距离的学习:聚类与度量学习
21 | 基函数扩展:属性的非线性化
22 | 自适应的基函数:神经网络
23 | 层次化的神经网络:深度学习
24 | 深度编解码:表示学习
25 | 基于特征的区域划分:树模型
26 | 集成化处理:Boosting与Bagging
27 | 万能模型:梯度提升与随机森林
总结课 | 机器学习的模型体系
概率图模型 (14讲)
28 | 最简单的概率图:朴素贝叶斯
29 | 有向图模型:贝叶斯网络
30 | 无向图模型:马尔可夫随机场
31 | 建模连续分布:高斯网络
32 | 从有限到无限:高斯过程
33 | 序列化建模:隐马尔可夫模型
34 | 连续序列化模型:线性动态系统
35 | 精确推断:变量消除及其拓展
36 | 确定近似推断:变分贝叶斯
37 | 随机近似推断:MCMC
38 | 完备数据下的参数学习:有向图与无向图
39 | 隐变量下的参数学习:EM方法与混合模型
40 | 结构学习:基于约束与基于评分
总结课 | 贝叶斯学习的模型体系
结束语 (1讲)
结课 | 终有一天,你将为今天的付出骄傲
机器学习40讲
登录|注册

29 | 有向图模型:贝叶斯网络

王天一 2018-08-11
在上一篇文章中,我和你分享了最简单的概率图模型——朴素贝叶斯分类器。由于朴素贝叶斯假定不同的属性相互独立,因而它的概率图具有发散的星型结构。但在实际当中,这样的条件独立性几乎是不可能满足的,属性之间总会有些概率性的关联,如果将属性之间的关联体现在概率图模型中,就相当于把朴素贝叶斯中互相独立的结点联结起来,得到的正是贝叶斯网络。
贝叶斯网络(Bayesian network)也叫信念网络(belief network),由一些顶点和连接某些顶点的边构成,每个顶点代表一个随机变量,带箭头的有向边则表示随机变量之间的因果关系。
从拓扑结构看,贝叶斯网络是有向无环图,“有向”指的是连接不同顶点的边是有方向的,起点和终点不能调换,这说明由因到果的逻辑关系不能颠倒;“无环”指的是从任意顶点出发都无法经过若干条边回到该点,在图中找不到任何环路,这说明任何变量都不能自己决定自己。
贝叶斯网络是对随机变量以及存在于它们之间的不确定性的一种表示(representation),它以因子分解的方式定义了联合概率分布的数据结构,还给出了这个分布中的一系列条件独立性假设。
下面这个例子出自发表于《AI 季刊》(AI Magazine)第 12 卷第 4 期的论文《傻瓜贝叶斯网络》(Bayesian networks without tears),它说明当事件之间的因果关系不能完全确定时,基于概率的贝叶斯网络是如何发挥作用的。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《机器学习40讲》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(4)

  • 张记永
    I-Map的定义是,定义在图G上的独立性I(G)是概率P上定义的独立性I(P)的子集。如果I(P)=I(G),则G是P的P-Map
    2019-01-15
  • 林彦
    基于概率推断如果来源的数据可靠在单次判断上应该比医生犯错的几率更小,而且可以通过减少判断的条件和步骤,理论上会降低医疗的成本。

    医生诊断是基于多个条件综合判断的。对于不罕见的病,拍图像,化验,经过时间观察病症的变化,用特定的药物尝试,这些综合在一起判断某个病症的概率已经不低。结合自己和别人的经验,作一些调整。

    想把这里面的所有东西都量化和拿到足够数量的可靠数据,结果有可能影响医院的收入和权威。真实世界中可能只能在一些特定领域找到突破口。

    作者回复: 所谓循证医学在我看来就是这些,可能还没有贝叶斯网络高级。

    2018-08-26
  • TomZ,张锐
    帮老师回答一句,pgmpy用conda安装,
    我还没用过,老师简单讲讲这个包的优势?

    作者回复: 优势就是专门针对概率图的,还有另一个libpgm也是专门用于概率图的。
    贝叶斯统计的库有不少,但还没有像sklearn这么成熟的。

    2018-08-12
  • 旺旺
    Traceback (most recent call last):
      File "C:\Users\Lenovo\Desktop\mlin40-master\29 code.py", line 1, in <module>
        from pgmpy.models import BayesianModel
    ModuleNotFoundError: No module named 'pgmpy' 老师,请问这如何处理?

    作者回复: 没有安装这个库,用pip install pgmpy安装一下

    2018-08-11
收起评论
4
返回
顶部