الشبكات البايزية
الشبكة البايزية هي رسم بياني موجه لا دوري تكون عُقده متغيرات عشوائية، وتُشفّر حوافه تبعيات شرطية، مما يوفر تمثيلاً مضغوطًا لتوزيع احتمالي مشترك.
Definition
الشبكة البايزية هي نموذج رسومي احتمالي يتكون من رسم بياني موجه لا دوري على متغيرات عشوائية، بالإضافة إلى توزيع احتمالي شرطي لكل متغير بالنظر إلى آبائه، والتي تحدد معًا توزيعًا كاملاً على جميع المتغيرات.
Scope
يغطي هذا الموضوع بنية ودلالات الشبكات البايزية (شبكات الاعتقاد): الرسم البياني الموجه اللا دوري، وتوزيعات الاحتمالية الشرطية المحلية، وتحليل قاعدة السلسلة للتوزيع المشترك، وعلاقات الاستقلالية التي تُشفّرها (شرط ماركوف والفصل d). ويتناول كيفية قراءة الشبكة كنموذج للاستقلالية الشرطية وكيف تخزن بشكل مضغوط توزيعًا كبيرًا أسيًا. تُعالج خوارزميات الاستدلال على هذه الشبكات في موضوع الاستدلال الاحتمالي ذي الصلة، وينتمي تعلم بنيتها أو معلماتها من البيانات إلى المجال الفرعي للتعلم الآلي.
Core questions
- كيف يحدد الرسم البياني الموجه اللا دوري بالإضافة إلى التوزيعات الشرطية المحلية توزيعًا مشتركًا كاملاً؟
- ما هي علاقات الاستقلالية الشرطية التي تشفرها بنية الشبكة؟
- كيف يحدد الفصل d ما إذا كان متغيران مستقلين بالنظر إلى أدلة مرصودة؟
- لماذا يتطلب التمثيل المُحلل عددًا أقل بكثير من الأرقام مقارنةً بالتوزيع المشترك الكامل؟
Key concepts
- الرسم البياني الموجه اللا دوري
- جداول الاحتمالية الشرطية
- تحليل قاعدة السلسلة
- شرط ماركوف
- الفصل d
- الآباء والأحفاد
- التوزيع المشترك المضغوط
- النموذج الرسومي
Key theories
- التحليل عبر شرط ماركوف
- تؤكد الشبكة البايزية أن كل متغير مستقل شرطيًا عن غير أحفاده بالنظر إلى آبائه، وبالتالي فإن التوزيع المشترك يتحلل إلى حاصل ضرب التوزيع الشرطي لكل متغير بالنظر إلى آبائه، مما يوفر توفيرًا هائلاً في المعلمات.
- الفصل d والاستقلالية
- معيار الفصل d الرسومي يقرأ الاستقلاليات الشرطية مباشرة من بنية الشبكة، ويحدد بدقة أي عبارات استقلالية تستلزمها الرسم البياني بغض النظر عن المعلمات العددية.
- شبكات الاعتقاد كاستدلال معقول
- أظهر إطار شبكة الاعتقاد لبيرل كيف تلتقط الاحتمالات الشرطية المحلية وتمرير الرسائل استدلالًا معقولًا متماسكًا، مما أرسى النماذج الرسومية الموجهة كأداة سليمة وعملية لتمثيل المعرفة غير المؤكدة.
Clinical relevance
تُستخدم الشبكات البايزية في التشخيص الطبي، وتحليل الأعطال والمخاطر، ودمج المستشعرات، ونمذجة الشبكات التنظيمية الجينية وغيرها من الشبكات البيولوجية، ودعم اتخاذ القرار، لأنها توضح التبعيات الاحتمالية المعقدة وتسمح بنشر الأدلة لتحديث المعتقدات حول المتغيرات غير المرصودة.
History
طوّر جوديا بيرل الشبكات البايزية في الثمانينيات كصيغة رسومية للاستدلال المعقول، وقد عرضها بالكامل في كتابه عام 1988. وقد وحدت هذه الشبكات الأفكار الاحتمالية والرسومية السابقة، وأصبحت النموذج الرسومي الموجه الكنسي، ثم جرى توسيعها ومنهجتها لاحقًا في أدبيات النماذج الرسومية الاحتمالية.
Key figures
- Judea Pearl
- Daphne Koller
- Nir Friedman
- David Heckerman
Related topics
Seminal works
- pearl1986
- pearl1988
Frequently asked questions
- لماذا تعد الشبكات البايزية أكثر إحكامًا من التوزيع المشترك الكامل؟
- يحتاج التوزيع المشترك الكامل على n من المتغيرات الثنائية إلى حوالي 2^n من الأرقام. تخزن الشبكة البايزية فقط، لكل متغير، احتماليته بالنظر إلى آبائه، لذلك عندما يكون لكل متغير عدد قليل من الآباء، ينمو العدد الإجمالي للمعلمات بشكل خطي تقريبًا بدلاً من النمو الأسي في عدد المتغيرات.
- ماذا يخبرك الفصل d؟
- الفصل d هو اختبار رسومي يحدد، من بنية الشبكة وحدها، ما إذا كانت مجموعتان من المتغيرات مستقلتين شرطيًا بالنظر إلى مجموعة ثالثة من المتغيرات المرصودة. يتيح لك قراءة علاقات الاستقلالية من الرسم البياني دون فحص أرقام الاحتمالية الفعلية.