貝氏決策分析與貝氏網路Bayesiandecisionanalysis&Bayesiannetwork條件機率貝氏定理在上例中，從工廠的成品中，隨機抽取一產品。假若已知此抽取之產品為不良品，試問它是由機器A1所生產的機率為何？統計決策分析貝氏決策貝氏決策分析之理論架構貝氏決策案例–唐氏症的診斷概似函數條件機率示意圖概似機率示意圖空間切割圖唐氏症的診斷–概似函數機率推論影響圖決策法則唐氏症的診斷–決策法則唐氏症醫療決策之影響圖檢測的敏感度與準確度敏感度、準確度與誤判的機率關係何謂BayesianNetwork(貝式網路)是一個以條件機率(ConditionalProbability)為基礎所建構出來的非循環有向圖(DirectedAcyclicGraphic),圖中的節點代表資料的變量,而節點之間的連線代表資料變量的因果關係.目的:用來推論、預測1.所推論與預測的結論能解釋其因果關係,增加結論的信賴程度例如:蒐集病人的檢驗資料來推論病人的病因,不只要求推論的精確性,更須了解病徵與疾病的關係2.各資料變量的因果關係,可不需人為判斷而經由資料學習出來不需人為干涉有自動學習的能力3.推論的精確程度,不遜於其他複雜的推論方法實務上的研究成果,正確率達8成以上1.醫學上之疾病診斷2.信用卡詐欺預警3.行銷策略4.財務預測5.相關專家系統設計….等上市公司財務預測的BayesianNetworkS3最適BayesianNetwork之網路結構的決定整個BayesianNetwork學習的過程步驟如下:先選定領域問題的相關變數2.建立一衡量函數(MeasureFunction)與搜尋演算法3.將可能的BayesianNetwork以MeasureFunction來衡量其適合度4.將MeasureFunction所評估最高的BayesianNetwork選擇出來5.以搜尋演算法找出最好的BayesianNetwork的結構貝氏網路之理論基礎貝氏網路之基本推理關係多重證據推論示意部分證據滿足條件獨立之假設多層推論多層次、多重證據之貝氏網路貝氏網路發展貝氏網路應用實例台電餽線事故定位系統建構貝氏網路圖