A. 模糊推理算法与隶属函数有什么关系
模糊推理算法与隶属函数的关系:隶属函数
是计算模糊评判结果的重要值。
模糊推理算法是指通过对现实对象的分析,处理数据并构建模糊型数学模型。用隶属关系将数据元素集合灵活成模糊集合,确定隶属函数,进行模糊统计多依据经验和人的心理过程,它往往是通过心理测量来进行的,它研究的是事物本身的模糊性。
B. 算法式和推理式区别
【定义】算法式是把解决问题的所有可能的方案都列举出来,逐一尝试。此种方式虽然可以保证解决问题,但效率不高。其优点是能够保证问题的解决,但费时费力。
当问题复杂、问题空间很大时,很难依靠这种策略来解决问题。另外,有些问题也许没有现成的算法或尚未发现其算法,对这种问题算法策略将是无效的。
【特点】为达目标,有时会有迂回状态。
【例子】曲线救国:产生于抗日战争期间,指采取直接的手段不能够解决,比如正面抗击日本侵略军的话,能力不够,就只好采取间接的,效果可能慢一些的,发动军队及以外的各界人士和力量。
或者从侧面迂回牵制干扰的策略,一点一点地争取和保卫胜利果实,有时候可能还要放弃一部分已经得到手的东西,但斗争的大方向不变。也就是有时候为了达到目的,不得已扩大与目标的距离。
C. 朴素贝叶斯的推理学习算法
朴素贝叶斯的推理学习算法
贝叶斯公式简易推导式:
朴素贝叶斯的朴素在于假设B特征的每个值相互独立,所以朴素贝叶斯的公式是这样的
学习与分类算法:
(1)计算先验概率和条件概率
拉普拉斯平滑:
(2)代入被测样本向量,得到不同类别P,再根据后验概率最大化,取P最大的类别作为该标签类别。
朴素贝叶斯优点在于对于小规模数据很好,适合多分类。缺点是数据输入形式敏感而且特征值之间的相互独立很难保证带来的影响。
D. 概率图模型的概率图模型的推理算法
根据网络结构与查询问题类型的不同,概率图模型的推理算法有
(1)贝叶斯网络与马尔可夫网络 中解决概率查询问题的精确推理算法与近似推理算法,其中具体包括精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法;(2)解决MAP查询问题的常用推理算法;(3)混合网络的连续与混合情况阐述其推理算法;(4)暂态网络的精确推理、近似推理以及混合情况下的推理。
E. 4-pgmpy-扩展推理方法
简单的说就是自己给pgmpy模型添加新的功能,这里目标,实现方法,经验总结
这里我们要给pgmpy添加新的推理算法,我们会将模型参数边缘化得到需要的查询结果
简单的说分为三步
简单的说分为三步