2. Bayesin päätösteoria
2. Bayesin päätösteoria
2. Bayesin päätösteoria
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
45 / 99<br />
<strong>Bayesin</strong> päättelyn avulla voidaan verkkoa hyödyntäen laskea kunkin muuttujan eri<br />
arvojen todennäköisyydet. Itse asiassa, mikä tahansa useasta muuttujasta koostuvan<br />
yhdistelmän todennäköisyys (yhteistodennäköisyys, joint probability) on mahdollista<br />
laskea verkosta. Todennäköisyyksien laskennassa huomioidaan verkon<br />
ilmoittamat riippuvuudet, jolloin päästään yksinkertaistamaan (ja nopeuttamaan)<br />
laskentaa merkittävästi. Tarkastellaan ensin yksittäisen muuttujan arvojen<br />
todennnäköisyyksien laskemista esimerkkien avulla.<br />
Ennen esimerkkejä kolme tärkeää seikkaa:<br />
1) Marginalisointi, jossa todennäköisyyksiä summataan määrättyjen muuttujien