WykÅad 3: Sieci Bayesa
WykÅad 3: Sieci Bayesa WykÅad 3: Sieci Bayesa
Prawdopodobieństwo dobrego humoru, jeżeli Wisła awansowała: P(H=trueA=true): P( H | A) P( H, A) P( A) obliczymy z łącznego rozkładu P(Z, N, H, A ,D), na podstawie prawdopodobieństw brzegowych: P( H, A) Z , N , D P( Z, N, H, A, D) 8 sumowań P( A) Z , N , H , D P( Z, N, H, A, D) 16 sumowań
P(A) 0.20 P(D) 0.30 P(N) 0.20 A D P(H) T 0.95 T F 0.99 T 0.05 F F 0.15 P(Z|H,D) = P(Z|H) N H P(Z) T 0.90 T F 0.55 T 0.45 F F 0.05
- Page 1 and 2: Agnieszka Nowak - Brzezińska
- Page 3 and 4: Każdy obiekt traktowany jest jako
- Page 5 and 6: Klasyfikacja bayesowska, to metoda
- Page 7 and 8: Koncepcja sieci Bayesa wynika wpros
- Page 9: Wejście: • Rozważana populacja
- Page 12 and 13: Ze zbioru treningowego obliczamy: P
- Page 14 and 15: Thomas Bayes (ur. ok. 1702 w Londyn
- Page 16: Jeśli A i B są prostymi zdarzenia
- Page 19 and 20: Siecią Bayesa nazywamy skierowany
- Page 21 and 22: Pod pojęciem sieci Bayesowskiej ro
- Page 23 and 24: Rozkład prawdopodobieństw zapisuj
- Page 25 and 26: zdefiniowanie zmiennych, zdefiniowa
- Page 27: Przykład: jakie są szanse zdania
- Page 31 and 32: Reguła łańcuchowa: z def. P(X 1
- Page 33 and 34: Prawdopodobieństwo Zaliczenia 74%
- Page 35 and 36: Jeśli się przygotowaliśmy, to ja
- Page 37 and 38: Dodajemy wierzchołki decyzyjne (Po
- Page 39 and 40: A - pogoda (słonecznie/pochmurno/d
- Page 41 and 42: A a1 0.25 a2 0.25 a3 0.25 a4 0.25 P
- Page 43 and 44: A a1 0.25 a2 0.25 a3 0.25 a4 0.25 P
- Page 45 and 46: Jakie są szanse zdania ustnego egz
- Page 47 and 48: Jak prawdopodobne jest zdanie egzam
- Page 55 and 56: SMILE Zestaw klas C++ implementują
- Page 57: Węzły bez poprzedników są opisa
- Page 66 and 67: Rozważmy osobę, która spędza sp
- Page 68 and 69: Otrzymane wyniki (kolor fioletowy n
- Page 70: Sieci bayesowskie - efektywne narz
- Page 75 and 76: Jeśli wiemy, że kulek czerwonych
- Page 77 and 78: To spróbujmy ustalić jaka ona bę
Prawdopodobieństwo dobrego humoru, jeżeli Wisła<br />
awansowała: P(H=trueA=true):<br />
P(<br />
H<br />
|<br />
A)<br />
<br />
P(<br />
H,<br />
A)<br />
P(<br />
A)<br />
obliczymy z łącznego rozkładu P(Z, N, H, A ,D), na podstawie<br />
prawdopodobieństw brzegowych:<br />
P(<br />
H,<br />
A)<br />
<br />
<br />
Z , N , D<br />
P(<br />
Z,<br />
N,<br />
H,<br />
A,<br />
D)<br />
8 sumowań<br />
P(<br />
A)<br />
<br />
<br />
Z , N , H , D<br />
P(<br />
Z,<br />
N,<br />
H,<br />
A,<br />
D)<br />
16 sumowań