【机器学习】--贝叶斯网络

一、前述

当多个特征属性之间存在着某种相关关系的时候，使用朴素贝叶斯算法就没法解决这类问题，那么贝叶斯网络就是解决这类应用场景的一个非常好的算法。一般而言，贝叶斯网络的有向无环图中的节点表示随机变量，可以是可观察到 的变量，或隐变量，未知参数等等。连接两个节点之间的箭头代表两个随机变量之间的因果关系(也就是这两个随机变量之间非条件独立)，如果两个节点间以一个单箭头连接在一起，表示其中一个节点是"因"，另外一个是"果"，从而两节点之间就会产生一个条件概率值。注意：每个节点在给定其直接前驱的时候，条件独立于其后继。

二、具体

1、最简单的一个例子

2、最复杂的一个例子，全连接贝叶斯网络

3、一般的贝叶斯网络

X1,X2,X3独立，X6和X7在给定条件下独立，X1，X2，X3，...X7的联合分布为