Machine learning 为什么马尔科夫毛毯包含儿童'；她的父母？

我很不明白为什么马尔可夫毯子里有孩子的父母。说

它的子节点的父节点也必须包括在内，因为它们可以用来解释所讨论的节点

但是有问题的节点是什么？我还从中找到了另一个信息。上面说

配偶（或共同父母，深绿色）用于切割来自子女（蓝色节点）的上升点的信息。目标节点略微独立于配偶，但成为有条件的依赖，即当子女有证据时

当子女有证据时，为什么目标节点和配偶会有条件地依赖？什么意思是有证据可以证明这些孩子

---

我希望有人能帮助澄清这一点，特别是举一个具体的例子。谢谢：）

原因是毯子应该使网络的其余部分有条件地独立于A

假设节点名为S（pouse）和C（hild）

然后，C的输出依赖于S和A。要使网络的其余部分独立于A，您需要同时控制S和A。换句话说，来自子代其他父代的毯子边界处的输出直接受A的影响。如果您包括A的子代的父代，您就得到了A可以影响的一切

---

子问题：

“有问题的节点”是一个

他们会有条件地依赖，因为如果你了解配偶和孩子的产出，你就可以了解一些关于家庭的情况

“可从子节点获得的证据”意味着您知道子节点的一些输出。

让Mrk（A）成为节点A的马尔可夫覆盖。然后，Pr（A |（Mrk（A），任何其他节点）=Pr（A | Mrk（A））

这一例子（取自《人工智能：现代方法，第三版，Stuart Russell和Peter Norvig》）。 假设我们有一个图形结构，如节点： B:入室盗窃 E:地震 A:闹钟 J:约翰打电话来 M：玛丽打电话来

链接是：B和E是A的父母：这意味着如果发生入室盗窃或地震，警报就会响起

另外A是J和M的父母：万一警报响起，约翰和玛丽（好邻居）会打电话来

因此，结构类似（所有箭头向下）：

这里，

Pr（B | A，E）！=Pr（B | A）

，因为警报也可以用江湖医生来解释。因此E也需要包含在Mrk（B）中

数学上，考虑概率为：

P(B) = 0.001, P(E) = 0.002

p（A | B，E）as:（请注意，p（A）将受到其母公司的影响，因此需要以这种方式给出：

B E | Pr(A|B, E)
T T   0.95
T F   0.94
F T   0.29
F F   0.001

然后

Pr（A | B=T）=Pr（E=T）*Pr（A | B=T，E=T）+Pr（E=F）*Pr（A | B=T，E=F）
=0.002*0.95+0.998*0.94=0.94002

---

而

Pr（A | B=T，E=T）=0.95

和

Pr（A | B=T，E=F）=0.94

，两者的概率都不同于上述概率。

如果这里没有人回答，请尝试一下谢谢你的回答，对于这个例子，我现在就知道了：）

P(B) = 0.001, P(E) = 0.002

B E | Pr(A|B, E)
T T   0.95
T F   0.94
F T   0.29
F F   0.001