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.
a 1 = talvi<br />
a 2 = kevät<br />
a 3 = kesä<br />
a 4 = syksy<br />
c 1 = kirkas<br />
c 2 = keskink.<br />
c 3 = tumma<br />
P(a) P(b)<br />
A<br />
aika<br />
B<br />
paikka<br />
P(x a) P(x b)<br />
X<br />
laji<br />
P(c x) P(d x)<br />
C<br />
kirkkaus<br />
P(a i ) 0,25 0,25 0,25 0,25<br />
P(b i) 0,6 0,4<br />
P(c i|x 1) 0,6 0,2 0,2<br />
P(c i |x 2 ) 0,2 0,3 0,5<br />
P(d i |x 1 ) 0,3 0,7<br />
P(d i |x 2 ) 0,6 0,4<br />
D<br />
pituus<br />
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
b 1 = Pohjois-Atlantti<br />
b 2 = Etelä-Atlantti<br />
x 1 = lohi<br />
x 2 = meriahven<br />
d 1 = pitkä<br />
d 2 = lyhyt<br />
i,j P(x 1|a i,b j) P(x 2|a i,b j)<br />
1,1 0,5 0,5<br />
1,2 0,7 0,3<br />
2,1 0,6 0,4<br />
2,2 0,8 0,2<br />
3,1 0,4 0,6<br />
3,2 0,1 0,9<br />
4,1 0,2 0,8<br />
4,2 0,3 0,7<br />
51 / 99<br />
Käytetään nyt esiteltyä <strong>Bayesin</strong> verkkoa päättelemään kalalaji. (Päätelmiä voitaisiin<br />
tehdä mistä tahansa muustakin verkon muuttujasta.) Kirjoitetaan ensin verkon