贝叶斯网络
贝叶斯网络是一种图，用于模拟无法观察到的事件。然后可以用于推理。所使用的图是有向的，不包含任何循环。图的结点代表随机变量。如果两个节点由一条边连接，它有一个相关的概率，即从一个节点传输到另一个节点。
贝叶斯网络主要用于（无辅助的）机器学习领域。它们被用于需要对信息进行分类的地方。例如，图像、文件或语音识别，以及信息检索。
它是基于托马斯-贝叶斯牧师在1740年代的发现，称为贝叶斯定理。
历史
"贝叶斯网络 "一词是由Judea Pearl在1985年提出的，强调了三个方面。
- 输入信息往往具有主观性。
- 依靠贝叶斯条件作为更新信息的基础。
- 因果推理和证据推理模式之间的区别，这强调了托马斯-贝叶斯在1763年追授的论文。
20世纪80年代末，《智能系统中的概率推理》和《专家系统中的概率推理》这两篇开创性的文章总结了贝叶斯网络的特性，并帮助确立了贝叶斯网络作为一个研究领域。
1913年，法律学者约翰-亨利-维格莫尔首次以维格莫尔图的形式使用这种网络的非正式变体来分析审判证据。另一个变体，称为路径图，由遗传学家Sewall Wright开发，并用于社会和行为科学（主要是与线性参数模型）。
问题和答案
问：什么是贝叶斯网络？答：贝叶斯网络是一种用于模拟不可观测事件的图，可用于推理。
问：贝叶斯网络使用哪种类型的图？
答：有向图，不包含任何循环。
问：在贝叶斯网络中，图的节点代表什么？
答：节点代表随机变量。
问：贝叶斯网络中的两个节点是如何连接的？
答：两个节点可以通过一条边连接起来，这条边具有从一个节点传输到另一个节点的相关概率。
问：贝叶斯网络主要用于什么领域？
答：贝叶斯网络主要用于（无辅助）机器学习领域。
问：贝叶斯网络可用于信息分类吗？
答：可以，贝叶斯网络可用于图像、文档或语音识别以及信息检索等领域的信息分类。
问：贝叶斯网络的基础是什么？
答：贝叶斯网络基于托马斯-贝叶斯牧师在 17 世纪 40 年代发现的贝叶斯定理。
