贝叶斯网络参数学习
课程项目-COL884(Spring'18):人工智能的不确定性
创作者:Navreet Kaur [2015TT10917]
客观的:
警报贝叶斯网络给定数据的贝叶斯参数学习,每行最多有一个缺失值。
使用的算法:
期望最大化
目标:
这项任务的目的是获得学习贝叶斯网络的经验,并了解它们在现实世界中的价值。
设想:
医学诊断。 一些医学研究人员创建了贝叶斯网络,该网络对(某些)疾病和观察到的症状之间的相互关系进行建模。 作为计算机科学家,我们的工作是根据健康记录来学习网络的参数。 不幸的是,在现实世界中,某些记录缺少值。 我们需要尽力计算网络参数,以便以后可以将其用于诊断。
问题陈述:
我们得到了由研究人员创建的贝叶斯网络(如BayesNet.png所示),注意此处对八种诊断进行了建模:血容量不足,左心衰竭,过敏React,镇痛不足,肺栓塞,插管,弯管和断线。
1