Week 7.3 Interpretation of Bayesian Network

Bayesian Network는 Naive Bayes Classifier Function 을 그래픽화 한것이다.

 

1. 규칙

1) 비순환 ( acyclic) and 방향성있는 graph.

2) Node

    - 각각의 node는 random variable

    - Parents 로 부터 영향을 받는 조건부 확률 ( Conditional distribution) 이다.  : P(X1|Parents(X1)

      (위 그림에서 Parent 는 Y , X1, X2는 Node 이다.)

3) Link : Parent 가 Child 에 주는 direct influence 이다. ( Indirect influence 가 있을 수도 있다. 예를 들어 Y의 Parent Z가 있으면 Z는 X 에 indirect influence 이다.)

 

2. 예시

집에 알람이 설치되어 있고 도둑이 들거나 지진이나면 알람이 울릴수 있다. 알람이 울리면 이웃 John  , Mary가 전화 해줄수도 있다. 즉 알람이 울렸을때 , John 이 전화해줄 확률이나 , Mary 가 전화해줄 확률을 구할수 있다. (Direct influence)

 

P(B) = 도둑이 침입할 확률

P(E) = 지진이 날 확률

P(A) = 알람이 울릴확률

P(J) = John 이 전화할 확률

P(M) = Mary 가 전화할 확률

 

위의 그림을 보면 P(B) 와 P(E)는 Paraents가 없고 , Condition 도 없다.

하지만 P(A)는 P(B)와 P(E)의 영향을 받고 , P(J) 나 P(M)은 P(A)의 영향을 받는다.