冬日晴好, 下午看完了论文, 对Bayesian Network是什么有了系统的了解.论文是causalnex工具里提到的
Stephenson, Todd Andrew. An introduction to Bayesian network theory and usage. No. REP_WORK. IDIAP, 2000.

该论文主要论述了以下几点:

  • What is Bayesian network
  • Inference Bayesian network: junction tree algorithm
  • Learning Bayesian Network
  • Applications
    • Automatic Speech Recognition: Dynamic Bayesian Network
    • Computer troubleshooting
    • Medical diagnosis

1.What is Bayesian Network(BN)

A directed acyclic graph(DAG) with probability distribution for each variable
这是一个交叉领域, 涉及概率论和图论, 主要可以应用于因果推断, 其优势是:

  • 可以引入专家经验
  • 通过图结构化简联合概率分布求解

下图是Hackerman解释BN时用的信用欺诈网络:
bn01

2.Inference Bayesian Network

一个示例如下, 对欺诈模型进行条件概率求解时, 可借助BN进行化简, 这是一个离散变量的例子.
bn02

其他常见的推断方法包括
bn03

作者在论文中, 重点讲述了Junction Tree Method. 该算法通过将图进行Moralize和Triangulate转化为Join Tree进行推断
bn04

3.Learning Bayesian Network

需要关心如下四种场景
bn05

4.Applications

一个实用案例, 在windows95中, 采用了BN进行printer的异常检测
bn06

BN在目前的机器学习中, 应该是计算复杂度高, 应用范围不像深度学习这么广, 而因果推理上, 样本量可以不用很大, 会有不错的应用效果.