贝叶斯网络创建条件概率 table (CPT)
Bayesian Network creating conditional probability table (CPT)
我无法理解 P(A|B,E) table 中的数字在警报盗窃示例中的来源。我知道 P(B) 和 P(E) 是从有关领域的知识中选择的。但我不明白 CPT 中有多少值可以选择，哪些值必须计算才能使 table 有效。我假设 P(J|A) 和 P(J|¬A) 是由专家知识选择的？然后它必须与 P(J|M) 相同.. 或者这些是否也必须使用给定值来计算？
我看到第 7 页 table 中给出的二进制示例：
https://cseweb.ucsd.edu/~elkan/250A/bayesnets.pdf，他们使用相同的数字，但他们是如何计算出值 0.95、0.94、0.29 和 0.001 的？
CPT中的所有值都必须来自某个地方，不能从其他CPT中计算出来。获取数字的主要方法有两种：
- 让领域专家指定数字。
- 有一个包含随机变量联合实现的数据集。然后可以根据数据集中的相应频率计算 CPT 中的数字。请注意，当并非所有变量都在数据集中观察到时，此过程会变得更加复杂。
此外，可以混合使用方法 1 和方法 2。
我无法理解 P(A|B,E) table 中的数字在警报盗窃示例中的来源。我知道 P(B) 和 P(E) 是从有关领域的知识中选择的。但我不明白 CPT 中有多少值可以选择，哪些值必须计算才能使 table 有效。我假设 P(J|A) 和 P(J|¬A) 是由专家知识选择的？然后它必须与 P(J|M) 相同.. 或者这些是否也必须使用给定值来计算？
我看到第 7 页 table 中给出的二进制示例： https://cseweb.ucsd.edu/~elkan/250A/bayesnets.pdf，他们使用相同的数字，但他们是如何计算出值 0.95、0.94、0.29 和 0.001 的？
CPT中的所有值都必须来自某个地方，不能从其他CPT中计算出来。获取数字的主要方法有两种：
- 让领域专家指定数字。
- 有一个包含随机变量联合实现的数据集。然后可以根据数据集中的相应频率计算 CPT 中的数字。请注意，当并非所有变量都在数据集中观察到时，此过程会变得更加复杂。
此外，可以混合使用方法 1 和方法 2。