Сегодня на лекции было заявлено, что направление ребер в байесовской сети не имеет большого значения. Они не должны представлять причинность.
Очевидно, что вы не можете переключить ни одного ребра в байесовской сети. Например, пусть с и . Если вы переключите на , то больше не будет ациклическим и, следовательно, не будет байесовской сетью. Кажется, это в основном практическая проблема, как оценить вероятности тогда. На этот случай ответить гораздо сложнее, поэтому я его пропущу.V = { v 1 , v 2 , v 3 } E = { ( v 1 , v 2 ) , ( v 1 , v 3 ) , ( v 2 , v 3 ) } ( v 1 , v 3 ) ( v 3 , v 1 ) G
Это заставило меня задать следующие вопросы, на которые я надеюсь получить ответы здесь:
- Возможно ли для любого ориентированного ациклического графа (DAG) обратить все ребра и при этом иметь DAG?
- Предположим, DAG и данные даны. Теперь построим обратный DAG . Для обоих DAG мы подгоняем данные к соответствующим байесовским сетям. Теперь у нас есть набор данных, для которых мы хотим использовать байесовскую сеть для прогнозирования недостающих атрибутов. Могут ли быть разные результаты для обоих DAG? (Бонус, если вы придумали пример)G inv
- Аналогично 2, но проще: предположим, что DAG и данные даны. Вы можете создать новый граф , перевернув любой набор ребер, если остается ациклическим. Являются ли сети Байеса эквивалентными, когда дело доходит до их прогнозов?G ′ G ′
- Получаем ли мы что-то, если у нас есть ребра, которые представляют причинность?