Artificial intelligence 贝叶斯网如何简化事情?

Artificial intelligence 贝叶斯网如何简化事情?,artificial-intelligence,bayesian,bayesian-networks,probability-theory,Artificial Intelligence,Bayesian,Bayesian Networks,Probability Theory,我最近遇到了bayes networks。我读到它们有助于减少n个随机变量的联合概率分布的维数(让它们是布尔值) 贝叶斯网络有助于简化公式,因为它包含了关于哪些变量实际上相互依赖的信息。这就是我得到的 我不明白的是,它是如何减少计算概率所需的计算量的? 基本上,我不理解联合分布中维度的概念。好的,我找到了答案。 它实际上并没有减少计算量。它只是降低了空间复杂度。 这是维基百科的一个存根: 如果联合分布中的依赖关系是稀疏的,那么使用贝叶斯网络可以节省大量内存。例如,将10个二值变量的条件概率存储为

我最近遇到了bayes networks。我读到它们有助于减少n个随机变量的联合概率分布的维数(让它们是布尔值)

贝叶斯网络有助于简化公式,因为它包含了关于哪些变量实际上相互依赖的信息。这就是我得到的

我不明白的是,它是如何减少计算概率所需的计算量的? 基本上,我不理解联合分布中维度的概念。

好的,我找到了答案。 它实际上并没有减少计算量。它只是降低了空间复杂度。 这是维基百科的一个存根:

如果联合分布中的依赖关系是稀疏的,那么使用贝叶斯网络可以节省大量内存。例如,将10个二值变量的条件概率存储为一个表的简单方法需要2^{10}=1024个值的存储空间。如果无变量的局部分布依赖于3个以上的父变量,则贝叶斯网络表示只需存储最多10*2^3=80个值。
贝叶斯网络的一个优点是,与完全联合分布相比,人们直观上更容易理解(一组稀疏的)直接依赖关系和局部分布。

它还提供了降低计算成本的先决条件:它告诉人们如何构造问题(因式分解)。朴素贝叶斯网络通常具有降维性,因为它在特征集中假设独立性。它基于条件独立性进行简化:
Prob(雨|风,交通)=Prob(雨|风)
,因为雨和交通彼此无关)。
In General
P(X1,X2,X3,.....Xn) = P(X1)*P(X2|X1)*P(X3|X1,X2)*.......*P(Xn|X1,X2,X3,.....Xn-1)