اهميت شبكه هاي بيزي در يادگيري ماشين

براي يادگيري خودكار ساختار شبكه بيزي در الگوريتم هاي يادگيري ماشين، يكي از روش‌هاي اصلي بر پايه تعيين وابستگي بين متغيرها بنا نهاده شده است. براي تعيين اين وابستگي‌ها معيارهاي زيادي مانند معيار آنتروپي طراحي شده‌اند. با استفاده از اين معيارها، وابستگي هر متغير نسبت به متغيرهاي ديگر ‌سنجيده مي شود و آنها كه معيار وابستگي‌شان از يك آستانه‌اي بيشتر بود، به عنوان والدها انتخاب مي‌شود. پس از تعيين ساختار، اگر مقدار همه متغيرها به طور كامل قابل مشاهده باشند، از تخمين احتمال معمولي شامل گرفتن تعدادي نمونه و شمردن تعداد اتفاقات يك رويداد در اين مجموعه نمونه استفاده مي‌شود. اگر بعضي از متغيرها قابل مشاهده نباشند، با استفاده از آموزش يك شبكه نوروني مي‌توان مقادير جداول احتمالات شرطي را ياد گرفت. تاكنون توضيحات مختصري در مورد شبكه‌هاي بيزي، مفاهيم آنها و موارد مربوط به طراحي آنها ارائه شد. در نهايت پس از طراحي شبكه تنها نكته‌اي كه باقي مي‌ماند، استنتاج با اين شبكه‌ها جهت بهينه كردن الگوريتم هاي يادگيري ماشين است كه هدف اصلي ما در بكار بردن آنها در اين مقاله مي‌باشد.