Redes Bayesianas: diferenças entre revisões
| Linha 28: | Linha 28: | ||
<center>[[Ficheiro:Rede_rega2.png]]</center> | <center>[[Ficheiro:Rede_rega2.png]]</center> | ||
<center>Figura 1 - Rede Bayesiana de rega de jardim </center> | <center>Figura 1 - Rede Bayesiana de rega de jardim </center> | ||
Neste exemplo temos uma rede relativa à rega de um jardim. Esta pode ser feita naturalmente através da chuva ou recorrendo a um sistema de rega. As probabilidades de cada variável condicionadas pelos seus pais estão explicitas nas tabelas. | |||
A partir desta informação é possível calcular qualquer probabilidade relativa às variáveis do modelo. | |||
Por exemplo, a partir de determinadas evidências podemos calcular a probabilidades as suas possíveis causas terem ocorrido.É possível calcular a probabilidade de num determinado dia o céu estar nublado dado que sabemos que a relva está molhada. | |||
Inferências podem ser realizadas sobre redes Bayesianas para: | |||
• Diagnósticos: Dos efeitos para as causas. | |||
• Causas: De causas para efeitos. | |||
• Intercausais: Entre causas de um efeito comum. | |||
== Aplicações == | == Aplicações == | ||
Revisão das 08h49min de 22 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 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 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.
Exemplo
Neste exemplo temos uma rede relativa à rega de um jardim. Esta pode ser feita naturalmente através da chuva ou recorrendo a um sistema de rega. As probabilidades de cada variável condicionadas pelos seus pais estão explicitas nas tabelas. A partir desta informação é possível calcular qualquer probabilidade relativa às variáveis do modelo. Por exemplo, a partir de determinadas evidências podemos calcular a probabilidades as suas possíveis causas terem ocorrido.É possível calcular a probabilidade de num determinado dia o céu estar nublado dado que sabemos que a relva está molhada.
Inferências podem ser realizadas sobre redes Bayesianas para: • Diagnósticos: Dos efeitos para as causas. • Causas: De causas para efeitos. • Intercausais: Entre causas de um efeito comum.
Aplicações
Software
Existem vários pacotes de software para construção e análise de redes Bayesianas:
Referências
- ↑ Russell,S. Norvig, P., Artificial Intelligence: A Modern Approach, 3rd edition, Prentice Hall, Englewood Cliffs, NJ , 2010
