基于贝叶斯网络的马尔科夫毯预测学习

摘要

研究变量之间的预测能力在许多领域都有重要意义,通过这种研究,能够揭示变量之间的制约机制,贝叶斯网络是研究变量之间预测能力的有力工具。本文使用依赖分析方法建立基于贝叶斯网络的马尔科夫毯预测,其核心问题是贝叶斯网络结构学习。目前,基于依赖分析的贝叶斯网络结构学习方法主要存在三个问题:（1）需要进行大量的高维条件概率计算,（2）容易丢失弱联合依赖边,（3）对边的方向的确定具有局限性。针对这些问题,本文提出了首先进行递推条件独立性检验,然后进行因果语义定向,最后进行冗余边检验的贝叶斯网络结构学习方法。该方法能够有效地避免这些问题,更准确地建立马尔科夫毯预测。