用新数据更新贝叶斯网络的参数

Question

我有一个贝叶斯网络，我通过从现有数据中学习概率来了解 CPT。 假设我收到一个新的数据实例。理想情况下，我不想再次使用所有数据来更新概率。

有没有办法在每次新数据进入时增量更新现有网络的 CPT？ 我认为应该有，我觉得我错过了什么:)

Answer 1

维护联合概率表是最简单的方法，并根据需要从中重建 CPT。与 JPT 一起，记录使用了多少示例来生成它。添加nth 示例时，将所有概率乘以1 - 1/n，然后将概率1/n 添加到新示例的关联概率中。

如果您要大量执行此操作，则应为 JPT 中的每一行保留示例计数，而不是概率。这将减少数值漂移。