貝葉斯網絡澄清

Question

我想學習貝葉斯網絡，我有一個問題，我想要一些澄清。

鑑於表

CPT

什麼會在p（侵略=高|憤怒=晴，敵意=是）是什麼？我的答案是0.5。

我的思維過程是憤怒和敵意是依賴的，所以根據給出的信息，部分憤怒和是敵意的概率是0.5。

侵犯是獨立的兩個，所以它只會是P（侵略）* 0.5 = 0.5。

這是否是一個正確的假設？

Answer 1

簡短的回答：我對p(Aggression=high|Anger=Partly,Hostility=Yes)價值100%.

如果侵略是敵意和憤怒了獨立的，它不會不管你有什麼證據。 因此，p（Aggression）是3個值p（Agg =低），p（Agg =高），p（Agg = veryhigh）中的最大值。

然而3 * 9表意味着p（Agg）= p（Hos，Ang），它是而不是獨立。

我試圖使用免費軟件「Samiam」爲您的CPT（上表）建模。
我這樣做，我已經輸入了Samiam中Aggression節點的CPT值。 對於前輩：我假設有5％的時間處於憤怒狀態的人，15％的人部分感到憤怒，80％的人沒有生氣;敵對的10％時間，部分敵對的30％或不敵對60％的時間。

查看截圖：侵略節點

表值：

與觀察到的證據 - 侵略的價值=高上升到100％：

我也附上samiam文件：

net 
{ 
    propagationenginegenerator1791944048146838126L = "edu.ucla.belief.approx.BeliefPropagationSettings@20ece334"; 
    recoveryenginegenerator6944530267470113528l = "edu.ucla.util.SettingsImpl@49f77e1b"; 
    node_size = (130.0 55.0); 
    huginenginegenerator3061656038650325130L = "edu.ucla.belief.inference.JoinTreeSettings@71a1d859"; 
} 

node Aggression 
{ 
    states = ("Low" "High" "VeryHigh"); 
    position = (268 -263); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable2"; 
    label = "Aggression"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
node Anger 
{ 
    states = ("no" "partly" "yes"); 
    position = (118 -48); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable0"; 
    label = "Anger"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
node Hostility 
{ 
    states = ("No" "Partly" "Yes"); 
    position = (351 -46); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable1"; 
    label = "Hostility"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
potential (Aggression | Anger Hostility) 
{ 
    data = ((( 1.0 0.0 0.0) 
     ( 0.5 0.5 0.0) 
     ( 0.5 0.0 0.5)) 
     (( 0.5 0.5 0.0) 
     ( 0.5 0.5 0.0) 
     ( 0.0 1.0 0.0)) 
     (( 0.5 0.0 0.5) 
     ( 0.0 0.5 0.5) 
     ( 0.0 0.0 1.0))); 
} 
potential (Anger |) 
{ 
    data = ( 0.8 0.15 0.05 ); 
} 
potential (Hostility |) 
{ 
    data = ( 0.6 0.3 0.1); 
}