Os principais conteúdos desta parte são:
- Regra de Bayes
- Rede Bayesiana
- Raciocínio probabilístico baseado em modelos ocultos de Markov
Provavelmente haverá os seguintes formulários de exame: As questões do exame final anterior com respostas explicam apenas alguns pontos aos quais você deve prestar atenção.
Independência da Rede Bayesiana
A resposta à segunda pergunta é muito detalhada. Olhei ↓ para a primeira pergunta, mas a resposta parece estar errada.
Separação D: Determine se as variáveis na rede Bayesiana são independentes - Zhihu
Rede Bayesiana
A resposta omite S, mas acho melhor marcá-la, pois não afetará os resultados do cálculo.
Modelo oculto de Markov - encontre a probabilidade de variáveis ocultas com base nas variáveis observadas
Esta questão é um tópico para discussão em turmas pequenas. Para calcular a probabilidade de variáveis ocultas, a probabilidade corrigida (ou seja, P(R|u)) deve ser usada como a probabilidade de não chover naquele dia. O estado mais provável é aquele com alta probabilidade (chovendo/não chovendo). Na figura abaixo, há uma posição errada no cálculo. Ao calcular a probabilidade de correção, a multiplicação subsequente deve ser .
Modelo oculto de Markov - probabilidade de sequência de estados
Esta questão pede a probabilidade de toda a sequência, então o que é pedido no primeiro dia é P(bom&bar).Se ele for ao bar, seu humor está bom, o que pode ser determinado através da observação (para as condições dadas em a questão), então a probabilidade é P(bom)P(bar) e P(bom) é 1. A partir do segundo dia, a probabilidade é baseada no humor do primeiro dia. A probabilidade de o humor no segundo dia ser diferente e ele chegar ao bar deve ser P(2-bom/ruim/normal&bar), aqui O a resposta não reflete &bar, mas na verdade multiplica a probabilidade de barrar em vários estados de espírito. O último dia foi semelhante.