WykÅad 3: Sieci Bayesa

More documents

Recommendations

Info

Jeśli więc czerwonych jest 20 a zielonych 40, to razem wszystkich jest 60. Więc Więc teraz gdy mamy do czynienia z nową kulką ( na rysunku – biała):
To spróbujmy ustalić jaka ona będzie. Dokonujemy po prostu klasyfikacji kulki do jednej z dwóch klas: zielonych bądź czerwonych. Jeśli weźmiemy pod uwagę sąsiedztwo białej kulki takie jak zaznaczono, a więc do 4 najbliższych sąsiadów, to widzimy, że wśród nich są 3 kulka czerwone i 1 zielona. Obliczamy liczbę kulek w sąsiedztwie należących do danej klasy : zielonych bądź czerwonych z wzorów: W naszym przypadku, jest dziwnie, bo akurat w sąsiedztwie kulki X jest więcej kulek czerwonych niż zielonych, mimo, iż kulek zielonych jest ogólnie 2 razy więcej niż czerwonych. Dlatego zapiszemy, że
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 and 28: Przykład: jakie są szanse zdania
Page 29 and 30: P(A) 0.20 P(D) 0.30 P(N) 0.20 A D P
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: Jeśli wiemy, że kulek czerwonych
Page 79: Tylko dla cech jakościowych Tylko
Page 84 and 85: Zakładając, że zmienne niezależ
Page 86 and 87: Teraz podobnie zrobimy w przypadku
Page 88: Jakie będzie prawdopodobieństwo k
Page 94 and 95: Wyznaczanie odległości obiektów:
Page 96 and 97: Oblicz odległość punktu A o wsp
Page 98: 1. porównanie wartości zmiennych
Page 102 and 103: Mimo, że najbliższy dla naszego o
Page 106: Znajdujemy więc k najbliższych s
Page 117: Schemat algorytmu: Poszukaj obiekt
show all

WykÅad 3: Sieci Bayesa

Create successful ePaper yourself

Delete template?

Save as template?

WykÅad 3: Sieci Bayesa