《贝叶斯网络优点.doc》由会员分享，可在线阅读，更多相关《贝叶斯网络优点.doc（1页珍藏版）》请在三一文库上搜索。
1、通过提供图形化的方法来表示和运算概率知识 ，贝 叶斯网络克服了基于规则的 系统所具 有的许多概念上和计算上的困难。贝 叶斯网络与统计技术相结合，使得其在数据分析方面拥有了许多优点，与规划挖掘、决策树、人工神 经网络、密度估计、分类、回归 和聚类等方法相比，贝叶斯网络的优点 主要体现在：(1 )贝叶斯网络使 用图形的方法描 述数据 间的相互关系，语义清晰，易于理 解。图形化的知识表示方法使得保持概率知识库的一致性和完整性变得容易，可以方便地针对条件的 改变进行网络模块的重新配置。(2 )贝叶斯网络易于处理不完备数据集。对于传统标准的监督学习算法而言必须知 道所有 可能的数据 输入，如果缺少其中的
2、 某一输入就会对建立的模型产生偏差，贝叶斯网络的方法反映的是整个数据库中数据间的概率关系模型，缺少某一数据变量仍然可以建立精确的模型。贝 叶斯网络允许学习变量间的 因果关系。在 以往 的数据分析中，一个问题 的 因果关系在干扰较多时，系统就无法做出精确的预测。而这种因果关系已经包 含在贝叶斯网络模型 中。贝叶斯方法具有因果和概率性语义，可以用来学习数据 中的因果关系，并根据因果关系进行学习。(4 )贝叶斯网络与贝叶斯统计相结合能够充分利用领域知识和样本数据的信息。贝叶斯网络用弧表示变量间的依赖关系 ，用概率分布表来表示依赖关 系的强弱， 将先验信息与样本知识有机结合起来，促进了先验知识和数据的集成，这在样本 数据稀疏或数据较难获得的时候特别有效。