Почему одеяло Маркова содержит родителей детей?

Меня совершенно смущает, почему одеяло Маркова содержит родителей детей. Википедия говорит

родители его дочерних элементов также должны быть включены, потому что их можно использовать для объяснения рассматриваемого узла.

Но что такое the node in question? Я также нашел другую информацию из BayesiaLab. Это говорит

Супруги (или сородители, темно-зеленые) используются для вырезания информации, поступающей от предков Детей (синие узлы). Целевой узел незначительно независим от супругов, но становится условно зависимым, т. е. когда имеются некоторые данные о детях.

Почему целевой узел и Супруга становятся условно зависимыми, когда есть некоторые данные о Детях? Что означает наличие некоторых данных о детях?

Я надеюсь, что кто-то может помочь прояснить это, особенно. с конкретным примером. Спасибо:)


machine-learning bayesian-networks
person Maybe    schedule 24.08.2017    source источник
comment
Это похоже на вопрос по информатике Попробуйте здесь, если здесь никто не ответит   -  person Matthew Ciaramitaro    schedule 24.08.2017

Ответы (2)


arrow_upward
5
arrow_downward

Причина в том, что бланкет должен сделать остальную часть сети условно независимой от A.

введите описание изображения здесь

Скажем, узлы называются S (pouse) и C (hild).

S    A
 \  /
  C

тогда выход C зависит от S и A. Чтобы остальная часть сети не зависела от A, вам нужно контролировать как S, так и A. Другими словами, выход на границе бланкета от других родителей ребенок находится под непосредственным влиянием А. Если вы включите родителей детей А, вы получите все, на что А может повлиять.

Подвопросы:

«Рассматриваемый узел» — это А.

Они становятся условно зависимыми, потому что вы можете кое-что узнать об А, если знаете супруга и результат ребенка.

«Доказательство, доступное от дочерних узлов» означает, что вы знаете некоторые выходные данные дочерних узлов.

person Beginner    schedule 24.08.2017

arrow_upward
2
arrow_downward

Пусть Mrk(A) — марковское покрывало для узла A. Тогда Pr(A | (Mrk(A), любой другой узел) = Pr(A | Mrk(A))

Для этого необходимо привлечь и родителей детей. Рассмотрим этот пример (взято из «Искусственный интеллект: современный подход, 3-е издание, Стюарт Рассел и Питер Норвиг».

Предположим, у нас есть графическая структура, заданная как Узлы: B: Кража со взломом E: Землетрясение A: Тревога J: Звонок Джона M: Звонок замуж

Ссылки: B и E являются родителями A: Это означает, что если произойдет кража со взломом или землетрясение, сработает сигнализация.

Кроме того, A является родителем J и M: в случае звонка будильника позвонят Джон и Марри (Добрые соседи).

Таким образом, структура выглядит так (все стрелки направлены вниз):

B   E
 \ /
  A
 / \
J  M

Вот, Pr(B|A, E) != Pr(B|A), потому что Тревогу можно было бы объяснить и шарлатанством. Следовательно, E также необходимо включить в Mrk(B).

Математически рассмотрите вероятности как:

P(B) = 0.001, P(E) = 0.002

P(A|B,E) as: (обратите внимание, что P(A) будет зависеть от его родителя, поэтому его нужно указывать следующим образом:

B E | Pr(A|B, E)
T T   0.95
T F   0.94
F T   0.29
F F   0.001

Тогда Pr(A|B=T) = Pr(E=T)*Pr(A|B=T, E=T) + Pr(E=F)*Pr(A|B=T, E=F) = 0.002*0.95 + 0.998*0.94 = 0.94002

в то время как Pr(A|B=T, E=T) = 0.95 и Pr(A|B=T, E=F) = 0.94 оба отличаются от указанной выше вероятности.

person user1953366    schedule 29.10.2017
comment
Спасибо за ответ, и за пример, теперь я понял :) - person Maybe; 30.10.2017