分類中的實例與貝葉斯網絡

Question

說我有下列貝葉斯網絡：

而且我想在閹H = true或H =假， 新實例看起來如一個新的實例進行分類像這樣：Fl=true, A=false, S=true, and Ti=false。

如何對H進行實例分類？

我可以通過概率從表乘以計算概率：

0.4 * 0.7 * 0.5 * 0.2 = 0.028

這是什麼說的新實例是否是一個積極的實例H與否？

編輯 我將嘗試計算概率，根據伯恩哈德·考斯勒的建議：

所以這是貝葉斯法則： P(H|S,Ti,Fi,A) = P(H,S,Ti,Fi,A)/P(S,Ti,Fi,A)

來計算去分母： P(S,Ti,Fi,A) = P(H=T,S,Ti,Fi,A)+P(H=F,S,Ti,Fi,A) = (0.7 * 0.5 * 0.8 * 0.4 * 0.3) + (0.3 * 0.5 * 0.8 * 0.4 * 0.3) =0.048

P(H,S,Ti,Fi,A) = 0.336

so P(H|S,Ti,Fi,A) = 0.0336/0.048 = 0.7

現在我計算P(H=false|S,Ti,Fi,A) = P(H=false,S,Ti,Fi,A)/P(S,Ti,Fi,A) 我們已經有了值爲P(S,Ti,Fi,A´. I's ´0.048。

P(H=false,S,Ti,Fi,A) =0.0144

所以P(H=false|S,Ti,Fi,A) = 0.0144/0.048 = 0.3

爲P(H=true,S,Ti,Fi,A)的概率是最高的。所以新實例將被歸類爲H =真

這是正確的嗎？

此外：我們不需要計算P(H=false|S,Ti,Fi,A)，因爲它是1 - P(H=true|S,Ti,Fi,A)。

Answer 1

所以，你想計算條件概率P(H|S,Ti,Fi,A)。要做到這一點，你必須使用貝葉斯法則：

P(H|S,Ti,Fi,A) = P(H,S,Ti,Fi,A)/P(S,Ti,Fi,A) 

其中

P(S,Ti,Fi,A) = P(H=T,S,Ti,Fi,A)+P(H=F,S,Ti,Fi,A) 

你再計算這兩個條件概率P（H = T | S，鈦，網絡連接，A）和P（ H = F | S，Ti，Fi，A），並根據哪個概率更高來進行預測。

只是增加像你這樣的數字將無濟於事，甚至沒有給你一個合適的概率，因爲產品沒有正常化。