如何使用贝叶斯网络计算条件概率查询答案

【问题标题】：How to use a Bayesian Network to compute conditional probability queries如何使用贝叶斯网络计算条件概率查询
【发布时间】：2018-05-29 15:22:23
【问题描述】：

我正在学习我的 AI 课程的贝叶斯网络。有谁知道如何计算附图中的因果推理和诊断推理？

贝叶斯网络示例

【问题讨论】：

【解决方案1】：

Nick Larsen 的回答很好。我将详细说明为您的问题提供有效的解决方案，因为您可能正在寻找更具体的东西。

问题 1： P(C|E)。鉴于经济环境是积极的 (E=1)，拥有有前途的职业 (C=1) 的概率是多少？

我们使用贝叶斯网络的因子结构来根据因子变量写出完整的联合概率。

请注意，您刚刚使用总概率定律引入了潜在变量（S 和 J），然后将它们边缘化（求和）。我用“帽子”来指代不（〜在你上面的问题中）。还要注意，一旦你应用了总概率规则，贝叶斯网络就会为你做很多艰苦的工作，它允许你将联合概率分解为许多较小的条件概率。

问题 2： P(E|C)。鉴于我们观察到您有一个有前途的职业 (C=1)，经济环境是积极的 (E=1) 的概率是多少？

这里我们实际上需要在第一行应用贝叶斯规则。请注意，您有一个令人讨厌的归一化常数 P(C) 贯穿始终。这个术语的解法与您解题 1 的方法大致相同：

P(C=1|E=1) 的计算在问题 1 中得到解决。我省略了 P(C=0|E=1) = 0.5425 的计算，但它与问题的过程相同1.

现在您可以求解 P(E|C) = .38/.65125 = .583

【讨论】：

【解决方案2】：

有很多方法可以从贝叶斯网络执行推理，其中最简单的方法就是 enumeration。

枚举适用于因果推理和诊断推理。区别在于根据原因的证据（因果推断）找出结果的可能性与根据结果的证据（诊断推断）找出原因的可能性。

【讨论】：