人工智能原理及其应用---主观Bayes推理

轻舟行岸 2024-06-21 16:31:03 阅读 50

主观Bayes方法是解决标准Bayes公式所存在的需要由逆概率去求原概率的问题。

全概率公式如下:

设时间A1,A2,A3,…,An满足:

(1)任意两个事件都不相容,即当i≠j时,有Ai∩Aj=Φ(i=1,2,….,n;j=1,2,…,n)

(2)P(Ai)>0(i=1,2,…,n)

(3)样本空间D,对任何事件B有下式成立:

在这里插入图片描述

Bayes公式

设事件A1,A2,…,An满足上面的条件,则对任何事物B有下式成立:

在这里插入图片描述

该定理称为Bayes定理,上式也称为Bayes公式。

将全概率公式代入Bayes公式,有:

在这里插入图片描述

表示形式,在主观Bayes方法中,知识是用产生式表示的,形式为:

IF E THEN (LS,LN) H

其中,(LS,LN)表示该知识的知识强度,LS为充分性度量,LN为必要性度量。

在这里插入图片描述

几率函数

X的几率等于X出现的概率与X不出现的概率之比,且P(X)与O(X)的变化一致。

在这里插入图片描述

当E为真时,可以用LS将H的先验几率O(H)更新为其后验几率O(H|E)

当E为假时,可以用LN将H的先验几率O(H)更新为其后验几率O(H|﹁E)

LS与LN的关系

由于E和﹁E不会同时支持或同时排斥H,因此只有下面三种情况存在:

a) LS>1且LN<1

b) LS<1且LN>1

c) LS=LN=1

主观Bayes方法推理的任务:

根据E的概率P(E)及LS和LN的值,把H的先验概率P(H)或先验几率O(H)更新为后验概率或后验几率。

 证据在当前观察下肯定为真时

当证据E肯定为真时,P(E)=P(E|S)=1。将H的先验几率更新为后验几率的公式为:O(H|E)=LS×O(H)

把H的先验概率P(H)更新为后验概率P(H|E)的公式,有

在这里插入图片描述

 证据在当前观察下肯定为假时

当证据E肯定为假时,P(E)=P(E|S)=0,P(﹁E)=1。将H的先验几率更新为后验几率的公式为:O(H|﹁E)=LN×O(H)

把H的先验概率P(H)更新为后验概率P(H|﹁E)的公式,有

在这里插入图片描述

 证据在当前观察下既非真又非假时

由杜达等人给出的公式有:

P(H|S)=P(H|E)×P(E|S)+P(H|﹁E)×P(﹁E|S)

a) P(E|S)=1

在这里插入图片描述

b) P(E|S)=0

在这里插入图片描述

c) P(E|S)=P(E)

在这里插入图片描述

d) P(E|S)为其它值

在这里插入图片描述

结论不确定性的合成

假设有n条知识都支持同一结论H,并且这些知识的前提条件分别是n个相互独立的证据E1,E2,…,En,而每个证据所对应的观察又分别是S1,S2,…,Sn。

求H的后验概率方法是:

a) 首先对每条知识分别求出H的后验几率O(H|Si)

b) 然后利用这些后验几率并按下述公式求出在所有观察下H的后验几率:

在这里插入图片描述



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。