机器学习——贝叶斯网(bayesian Network)二
此文章衔接上一篇文章,此文主讨论在贝叶斯网络确定的情况下如何判断条件独立.
对于上图的简单的贝叶斯网络,我们可以看到一个父节点,指向两个子节点,根据上一篇文章可以得到;
P(a,b,c)=P(c)P(a|c)P(b|c)
而:P(a,b,c)/P(c)=P(a|c)P(b|c)
得:P(a,b|c)=P(a|c)P(b|c)
即;在c给定的条件下,a,b被阻断(blocked)即是独立的
这个也可以称作是tail-to-tail情况
根据图可以得到;
P(a,b,c)=P(a)P(c|a)P(b|c)
如其中c已知
即在c给定的条件下,ab被阻断, 是条件独立的,
这个也可以称headl-to-tail情况.
即在c未知的条件下,a,b被阻断,即独立的
这个也可以称head-to-head情况.
而且我们也可以发现当c已知的情况下a,b是不独立的
举例说明这三种情况;
绿色为已知条件,根据实际例子进行理解或许更加容易,
例如在第一个例子中,你已知患上了肺结核,这是肺结核和前后两者均有关系,但是和去亚洲旅游和拍X片没有关系