主观贝叶斯方法
第2章主观贝叶斯方法
中国科大计算机学院
内容
•
•
•规则的不确定性证据的不确定性推理计算
主观贝叶斯方法
•R. O. Duda等人于1976年提出的一种不确定性推理模型。–在这个模型中,他们称推理方法为主观Bayes 方法。
–成功地应用于地矿勘探系统PROSPECTOR 中。
•在这种方法中,引入了两个数值(LS ,LN )。
•IF A THEN (LS, LN) B
–LS 体现规则成立的充分性,
–LN 体现规则成立的必要性。
–这种表示既考虑了事件A 的出现对其结果B 的支持,又考虑了A 的不出现对B 的影响。
内容
•
•
•规则的不确定性证据的不确定性推理计算
几率函数与LS, LN的关系•理论上,LS 、LN 的取值可以是如下几个范围:①LS>1,且LN
②LS1
③LS=LN=1
例题
•例1、PROSPECTOR 专家系统中的一条规则:
如果有石英硫矿带,那么,必有钾矿。
对于这条规则来说,有LS=300,LN =0.2。•相关解释:
–LS=300>>1,观察到石英硫矿带非常有用,而若不能观察到石英硫矿带则没有什么意义。
–LN
•例2、如果有玻璃褐铁矿,那么有最佳的矿产结构。–其中LS =1000000,LN=0.01
内容
•
•
•规则的不确定性证据的不确定性推理计算
内容
•
•
•规则的不确定性证据的不确定性推理计算
推理计算
•主观贝叶斯方法的不精确推理过程就是根据前提A 的概率P(A),利用规则的LS 和LN ,把结论B 的先验概率P(B)更新为后验概率P(B|A)的过程。
由于是不确定性推理,所以必须讨论证据发生的各种可能性。
①A 必出现
②A 不确定
③证据的合成
④证据组合•
A 必出现
•A 必出现时,即P(A)=1,此时可以直接使用如下公式计算:
O(B|A) = LS·O(B)
O(B|~A) = LN·O(B)
从而求得使用规则A ÆB 后,O(B)的更新值O(B|A)和O(B|~A)。
•如果需要概率表示,可再由公式
P(A)=O(A)/(1+O(A))
计算出P(B|A)和P(B|~A)。
A 不确定
•A 不确定,即P(A)≠1时,设A' 代表与A 有关的所有证据(A' 是系统中所有对A 能够产生影响的观察)。对于规则A ÆB ,杜达(Duda)给出了公式(1976年) P(B|A') = P(B|A)P(A| A')+P(B|~A)P(~A| A')三种特殊情况:
当P(A| A') = 1时,证据A 必然出现
当P(A| A') = 0时,证据A 必然不出现当P(A| A') = P(A)时,观察A' 对A 没有影响••①②③
A 不确定
•这样可得P(A|A')为0,P(A),1时相应的P(B|A')的值,根据这三点可以得到线性插值图。•对于P(A| A' ) 的其它取值,P(B|A')可根据此图通过线性插值法
得到。
A 不确定
•当证据不确定时,证据理论推理的基本原理是:①从该证据A 往前看,即寻找A 的出处。
②如果A 是由A' 导出的,即A' →A →B , 则当A 不清楚的时候,采用A' 的相关信息进行计算。③如果还不行,就再往前推。
④是一个递归推导的过程。
A' 是指从A 向前看的各个相关证据,所以有时可能存在多个相关证据。•
证据的合成
•当出现两个证据,即在证据A ′之下,有证据A 1和A 2存在时,设证据A 1和A 2单独受影响的概率分别为P(A1|A′) 和P(A2|A′) ,那么
P (A 1∧A 2|A ' ) =min{P (A 1|A ' ), P (A 2|A ' )}P (A 1∨A 2|A ' ) =max{P (A 1|A ' ), P (A 2|A ' )}•当有2个以上的证据存在时,有
P (A 1∧A 2L ∧A n |A ' ) =min{P (A 1|A ' ), P (A 2|A ' ), L , P (A n |A ' )}P (A 1∨A 2L ∨A n |A ' ) =max{P (A 1|A ' ), P (A 2|A ' ), L , P (A n |A ' )}
证据组合
•简单情况:一个原因,一个结果。¾A ÆB ,A 为原因,B 为结果
•实际情况:证据是复合的。
•例如,聪明A1而且努力学习A2,考上大学B 。
例题1
•例1、已知P(A)=1, P(B1)=0.04, P(B2)=0.02,
R1: A→B 1LS=20 LN=0.1R2: B1→B 2LS=300 LN=0.001要求计算P(B2|A)。
•分析:当使用规则R2时,证据B 1并不是确定的发生了,即P(B1) ≠1,因此要采用插值方法。•解:先依照A 必然发生,由定义和R1得:O(B1)=0.04/(1-0.04)=0.0417O(B1|A)=LS*O(B1)=0.83P(B1|A)=0.83/(1+0.83)=0.454然后,由于P(B1|A)=0.454大于P(B1) ,假设P(B1|A)=1,计算:P(B2|B1)=300*0.02/( (300-1)*0.02+1)=0.857最后,进行插值:
P(B2|A)=0.02+[(0.857-0.02)/(1-0.04)]*(0.454-0.04)=0.410
例题3
•例3、已知:证据A 必然发生,且有P(B1)=0.03,P(B2)=0.01,规则如下:
R1:A →B 1LS=20 LN=0.1R2:B 1→B 2LS=300 LN=0.0001求B 2的更新值。
•解:
由于B 1不确定,所以讨论其前项证据A 的影响使用插值法。
小结
•主观Bayes 方法
–优点:
1. 计算公式大多是基于概率论推导的,理论基础较为扎实。
2. 直观,明了。
–缺点:
1. 要求领域专家在给出规则的同时,给出B 的先验概率P(B),有时比较困难。
2. 贝叶斯定律中关于事件独立性的要求使实际应用受限制。
作业
•1、已知证据A 1,A 2必然发生,且P(B1)=0.03,P(B2) =0.01,规则如下:
R1:A 1→B
→B 1LS=20 LN=0.1R2:A
R3:B 2B 1LS=300 LN=0.1
1→2LS=300 LN=0.0001
求B 1,B 2的更新值。