Redes Bayesianas: diferenças entre revisões
| Linha 19: | Linha 19: | ||
<math>P(x_{1},...,x_{n}) = \prod_{i=1}^{n} P(x_{i}|Pais(x_{i}))</math> | <math>P(x_{1},...,x_{n}) = \prod_{i=1}^{n} P(x_{i}|Pais(x_{i}))</math> | ||
,em que <math>n</math> é o número de variáveis do modelo e <math>x_{i}</math> é a i-ésima variável. | , em que <math>n</math> é o número de variáveis do modelo e <math>x_{i}</math> é a i-ésima variável. | ||
Revisão das 11h11min de 21 de abril de 2016
... EM ELABORAÇÃO ...
| Redes Bayesianas | |
|---|---|
| Sigla | |
| Aplicações | Extração de Conhecimento de Dados, Tomada de Decisão Clínica |
| Conceitos relacionados | Support Vector Machines, Redes Neuronais, Data Mining |
Definição
Redes Bayesianas são modelos gráficos probabilísticos baseados em grafos acíclicos dirigidos. Em que, a cada nó da rede está associada uma variável aleatória e uma distribuição de probabilidade condicional em função dos pais deste nó. Na fig. 1, de uma rede Baysiana, podemos ver que os pais da variável Relva Molhada são as variáveis Rega e Chuva.
Uma rede Bayesiana é uma forma de representação compacta de uma distribuição de probabilidade conjunta das variáveis do modelo[1].
Analiticamente temos:
Falhou a verificação gramatical (SVG com PNG como alternativa (MathML pode ser ativado através de uma extensão do ''browser''): Resposta inválida ("Math extension cannot connect to Restbase.") do servidor "https://api.formulasearchengine.com/v1/":): {\displaystyle P(x_{1},...,x_{n}) = \prod_{i=1}^{n} P(x_{i}|Pais(x_{i}))}
, em que Falhou a verificação gramatical (SVG com PNG como alternativa (MathML pode ser ativado através de uma extensão do ''browser''): Resposta inválida ("Math extension cannot connect to Restbase.") do servidor "https://api.formulasearchengine.com/v1/":): {\displaystyle n} é o número de variáveis do modelo e Falhou a verificação gramatical (SVG com PNG como alternativa (MathML pode ser ativado através de uma extensão do ''browser''): Resposta inválida ("Math extension cannot connect to Restbase.") do servidor "https://api.formulasearchengine.com/v1/":): {\displaystyle x_{i}} é a i-ésima variável.
Referências
- ↑ Russell,S. Norvig, P., Artificial Intelligence: A Modern Approach, 3rd edition, Prentice Hall, Englewood Cliffs, NJ , 2010
