南阳医疗网站制作价格,网站建设应走什么会计科目,汕头各类免费建站,竞品分析模板可以参照 Stanford大神DaphneKoller的概率图模型#xff0c;里面贝叶斯网络一节讲到了explaining away。我看过之后试着谈谈自己的理解。 explainingaway指的是这样一种情况#xff1a;对于一个多因一果的问题#xff0c;假设各种“因”之间都是相互独立的#xff0c;如果…可以参照 Stanford大神DaphneKoller的概率图模型里面贝叶斯网络一节讲到了explaining away。我看过之后试着谈谈自己的理解。 explainingaway指的是这样一种情况对于一个多因一果的问题假设各种“因”之间都是相互独立的如果已经确定了是因为其中一种原因导致了结果那么因为其他原因导致了该结果的概率就会下降。 单纯看定义似乎很令人费解因为原因之间应该是相互独立的怎么会相互影响呢举个最简单的例子就可以回答这个问题。 考虑三个随机变量ABC其中CA | BAB相互独立。如果写出它们的概率分布就是这样的 可以看出只要A与B中的任意一个为1就会导致C为1,这正是一个最简单的多因一果问题。 假设我们观察到C 1但不知道是哪种原因导致的那么根据上面的联合概率分布可以推断P( A 1 | C 1 ) P( B 1 | C 1 ) 2/3。而且P( B 1 | C 1 )  P( B 1)即因为观察到了“果”出现“因”的概率比平常更大这是符合我们经验的。 但是如果我们已经确认了A 1那么此时不论B取值为多少都会有C1即P( B 1 | C 1, A 1 ) 1/2 P( B 1 ) P( B 1 | C 1 )。B的取值再一次变得完全无法判断对比上面B取值为1的概率减小了这就是explaining away。 在现实生活中也可以找到这样的例子假设房子倒塌的可能性包括地震和恐怖袭击如果我们发现房子倒了那么很有可能发生了两者中的一个但如果我们知道是恐怖分子用飞机撞倒的那么我们就无法判断是不是发生了地震。这时地震的概率就从“很可能”变回了“有可能”概率降低了这就是explainingaway。 【转自】http://blog.csdn.net/huangbo10/article/details/23091083