99问答网
所有问题
贝叶斯网络的优缺点是什么?怎么克服它的缺点?
如题所述
举报该问题
推荐答案 2013-03-31
在日常生活中,人们往往进行常识推理,而这种推理通常是不准确的。例如,你看见一个头发潮湿的人走进来,你可能会认为外面下雨了,那你也许错了;如果你在公园里看到一男一女带着一个小孩,你可能会认为他们是一家人,你可能也犯了错误。在工程中,我们也同样需要进行科学合理的推理。但是,工程实际中的问题一般都比较复杂,而且存在着许多不确定性因素。这就给准确推理带来了很大的困难。很早以前,不确定性推理就是人工智能的一个重要研究领域。尽管许多人工智能领域的研究人员引入其它非概率原理,但是他们也认为在常识推理的基础上构建和使用概率方法也是可能的。为了提高推理的准确性,人们引入了概率理论。最早由Judea Pearl于1988年提出的
贝叶斯网络
实质(Bayesian Network)上就是一种基于概率的不确定性推理网络。它是用来表示变量集合连接概率的图形模型,提供了一种表示因果信息的方法。当时主要用于处理人工智能中的不确定性信息。随后它逐步成为了处理不确定性信息技术的主流,并且在计算机智能科学、工业控制、医疗诊断等领域的许多智能化系统中得到了重要的应用。
贝叶斯理论是处理不确定性信息的重要工具。作为一种基于概率的不确定性推理方法,贝叶斯网络在处理不确定信息的智能化系统中已得到了重要的应用,已成功地用于医疗诊断、统计决策、
专家系统
等领域。这些成功的应用,充分体现了贝叶斯网络技术是一种强有力的不确定性推理方法。
有关贝叶斯网络的站点:
1、
http://www.cs.berkeley.edu/~murphyk/Bayes/bayes.html
2、
http://www.bayesian.org/
3、
http://www.bayes.com/
4、
http://www.bayesinf.com/
5、
http://xxx.lanl.gov/archive/bayes-an/
温馨提示:答案为网友推荐,仅供参考
当前网址:
http://99.wendadaohang.com/zd/Bz7BtzzOt.html
其他回答
第1个回答 2013-08-08
缺点:对网络结构的训练太烦了。
相似回答
贝叶斯网络的优缺点是什么?怎么克服它的缺点?
答:
最大的缺点是不支持环型网络
,还有个人认为对数据量要求高,算的很慢,除非网络已经知道。
决策树分类算法有哪些
答:
由于
贝叶斯
定理假设一个属性值对给定类的影响独立于其它属性的值,而此假设在实际情况中经常是不成立的,因此其分类准确率可能会下降。为此,就衍生出许多降低独立性假设的贝叶斯分类算法,如TAN(tree augmented Bayes network)算法。
统计学的分类方法
有什么?
答:
非参数统计:非参数统计是一种不依赖于总体分布的统计方法
。它不需要对数据进行严格的假设,因此适用于那些不符合正态分布或其他特定分布的数据。非参数统计主要包括秩和检验、符号检验、曼-惠特尼检验和克鲁斯克尔-瓦利斯检验等。贝叶斯统计:贝叶斯统计是一种基于贝叶斯定理的统计方法。它通过对先验信息和样本...
机器学习“判定模型”和“生成模型‘
有什么
区别
答:
判别模型:优点:1)
与生成模型缺点对应,首先是节省计算资源,另外,需要的样本数量也少于生成模型。2)准确率往往较生成模型高
。3)由于直接学习,而不需要求解类别条件概率,所以允许我们对输入进行抽象(比如降维、构造等),从而能够简化学习问题。缺点:1)是没有生成模型的上述优点。
大致量化
是什么
意思?
答:
在现实情况下,大致量化能够最初性地为决策者提供一些帮助,因为通过大致量化,他们能够更好地了解可能的风险和机遇,同时也能更好地了解数据的可靠性和限制。然而,在做出真正的商业决策时,需要进一步地考虑使用走势分析、
贝叶斯网络
以及其他更加精准和细致的定量分析工具来检测数据的可行性、
优缺点
、可信度...
人工智能,机器学习和深度学习的区别
是什么
答:
机器学习的概念来自早期的人工智能研究者,已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和
贝叶斯网络
等。简单来说,机器学习就是使用算法分析数据,从中学习并做出推断或预测。与传统的使用特定指令集手写软件不同,我们使用大量数据和算法来“训练”机器,由此带来机器学习如何完成任务。许多年来,...
人工智能,机器学习与深度学习,到底
是什么
关系
答:
与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。 机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和
贝叶斯网络
等等。众所周知,我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能...
机器学习“判定模型”和“生成模型‘
有什么
区别
答:
以朴素
贝叶斯
为例,生成模型的求解思路是:联合分布--->求解类别先验概率和类别条件概率 最后说一说两种模型
的优缺点
:生成模型:优点:1)生成给出的是联合分布,不仅能够由联合分布计算条件分布(反之则不行),还可以给出其他信息,比如可以使用来计算边缘分布。如果一个输入样本的边缘分布很小的话,那...
大致量化
是什么
意思?
答:
在现实情况下,大致量化能够最初性地为决策者提供一些帮助,因为通过大致量化,他们能够更好地了解可能的风险和机遇,同时也能更好地了解数据的可靠性和限制。然而,在做出真正的商业决策时,需要进一步地考虑使用走势分析、
贝叶斯网络
以及其他更加精准和细致的定量分析工具来检测数据的可行性、
优缺点
、可信度...
大家正在搜
朴素贝叶斯算法的优点
什么是贝叶斯分类
朴素贝叶斯和贝叶斯
m环的优缺点和缺点
优点缺点怎么写
自身优点与缺点怎么写
朴素贝叶斯分类器优点
朴素贝叶斯为什么朴素
自己的缺点和优点
相关问题
计算机/互联网/IT
计算机网络和互联网有什么区别
计算机网络与因特网的关系
网络反计算机互联网监控
互联网是什么呢
请问互联网是指计算机吗?
网络的概念,网络与互联网的区别
正在网络上注册你的计算机