贝叶斯网络的建造及其在数据采掘中的应用

被引：65

作者：

林士敏

田凤占

陆玉昌

机构：

[1] 清华大学计算机科学与技术系!智能技术与系统国家重点实验室

[2] 北京

来源：

清华大学学报(自然科学版) | 2001年 / 01期

关键词：

Bayesian网络; 数据采掘; 知识发现; 机器学习;

D O I：

10.16511/j.cnki.qhdxxb.2001.01.013

中图分类号：

TP182 [专家系统、知识工程];

学科分类号：

1111 ;

摘要：

贝叶斯 (Bayesian)网络近年成为数据采掘引人注目的研究方向。通过剖析 Bayesian网络的结构和建造步骤 ,着重讨论用 Bayesian方法从先验信息和样本数据进行学习以确定网络的结构和概率分布的基本方法 ,分析 Bayesian网络学习的特点 ,探讨 Bayesian网络的适用性。与数据采掘的其它方法相比 ,Bayesian网络的优点是可以综合先验信息和样本信息 ,这在样本难得时特别有用 ;可以发现数据之间的因果关系 ,适合于处理不完整数据集 ,这是其它模型难以做到的。其缺点是计算开销较大 ;确定合理的先验密度比较困难 ;如何判定实际问题是否满足所要求的假设 ,没有现成的规则

引用

页码：49 / 52

页数：4