贝叶斯网络的输入数据可以是概率吗?

例如:

 A     B     C     D     result 0.7   0.6   0.5   0.9    good 0.3   0.2   0.1   0.3    bad 0.5   0.0   0.2   0.9    good.............

是否可以使用贝叶斯网络来分析这些数据,然后每次当获取到类似[0.7,0.3,0.6,0.6]的数据时,用户可以得到它可能是好还是坏的概率?


回答:

几分钟前刚看到你的问题。根据我在大学学到的知识,贝叶斯线性回归可以被定义为一种在贝叶斯推断的背景下进行统计分析的线性回归方法。

根据贝叶斯回归模型,结果可以通过数值进行分析,并最终得出一个布尔结果。

这是模型的示意图 enter image description here希望这对你有帮助。这已经是我很久以前学过的内容了。:)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注