● 将不确定性表示为概率分布,其背后的动机是一组公理,这组公理用于比较不同陈述的合理性。
● 存在许多类型的离散概率分布和连续概率分布。
● 可以使用密度函数来表示连续概率分布。
● 各种类型的概率分布可以混合在一起,用以创建更加灵活的混合模型分布。
● 联合分布是多个变量的分布。
● 条件分布是给定证据变量值的一个或多个变量的分布。
● 贝叶斯网络由图结构和一组条件分布来定义。
● 根据贝叶斯网络的结构以及条件独立性的假设,我们可以使用较少的参数来表示联合分布。 7Ob91X4diEmFafcIfVmqaOjntOm0UdFmPdf3msjnIskxgI09Mc/HcOlUZOuAS4tt