Quelle est la différence entre un réseau Bayésien et un classificateur de Bayes naïf?

Quelle est la différence entre un réseau Bayésien et un classificateur de Bayes Naïf? J'ai remarqué que l'un est simplement implémenté en Matlab comme classify l'autre a un net toolbox.

Si vous pouviez expliquer dans votre réponse que l'on est plus susceptible de fournir une meilleure précision et je vous serais reconnaissant (pas de pré-requis).

InformationsquelleAutor G Gr | 2012-09-06
  1. 31

    Réponse courte, si vous êtes uniquement intéressé par la résolution d'une tâche de prédiction: utilisation Naïve Bayes.

    Un réseau Bayésien (a une bonne wikipédia page) des modèles de relations entre les entités d'une manière très générale. Si vous savez ce que ces relations sont, ou ont suffisamment de données pour tirer, alors il peut être approprié d'utiliser un réseau Bayésien.

    Un Naïf classificateur de Bayes est un modèle simple qui décrit classe particulière de réseau Bayésien - où toutes les fonctions sont de classe-conditionnellement indépendants. De ce fait, il y a certains problèmes qui Naive Bayes ne peut pas résoudre (exemple ci-dessous). Cependant, sa simplicité le rend également plus facile à appliquer, et il nécessite moins de données pour obtenir un bon résultat dans de nombreux cas.

    Exemple: XOR

    Vous avez un problème d'apprentissage avec les binaires caractéristiques x1 et x2 et une variable cible y = x1 XOR x2.

    Dans un classificateur de Bayes Naïf, x1 et x2 doivent être traitées de façon indépendante afin de vous calculer des choses comme "La probabilité que y = 1 étant donné que x1 = 1" - j'espère que vous pouvez voir que ce n'est pas utile, parce que x1 = 1 ne pas faire y = 1 plus ou moins probables. Depuis un réseau Bayésien, de ne pas assumer l'indépendance, il serait en mesure de résoudre un tel problème.

    • Donc, pour les gènes - phénotype de prédiction, lequel est le mieux? Nous le savons, un groupe de gènes peut construire une voie, et les différents organismes peuvent utiliser des voies différentes pour atteindre le même métabolisme. Nous avons donc "si (gene1 et gene2) ou (gene3 et gene4) alors oui d'autre non" de la situation de la génomique.
    InformationsquelleAutor Richante
  2. 6

    Naive Bayes est juste une restriction de/contrainte forme d'un réseau Bayésien où vous appliquer la contrainte que le nœud de la classe devrait pas avoir des parents et que les nœuds correspondant à l'attribut variables devraient pas avoir de bords entre eux. En tant que tel, il n'y a rien qui empêche un général de réseau Bayésien à partir de l'être utilisé pour la classification - la prédiction de la classe est la probabilité maximale lors de l' (conditionnée), toutes les autres variables sont définies pour la prédiction des valeurs d'instance dans l'habitude inférence Bayésienne de la mode. Un bon livre à lire sur ce "Réseau Bayésien Classificateurs, l'Apprentissage Machine, 29, 131 à 163 (1997)". D'intérêt particulier est la section 3. Si Naive Bayes est une contrainte forme de réseau Bayésien, ce livre parle aussi pourquoi Naive Bayes peut et doit dépasser le général de réseau Bayésien dans la classification des tâches.

    InformationsquelleAutor beejay