Hôm nay, trong một bài giảng, người ta đã tuyên bố rằng hướng của các cạnh trong mạng Bayes không thực sự quan trọng. Họ không phải đại diện cho quan hệ nhân quả.
Rõ ràng là bạn không thể chuyển đổi bất kỳ cạnh nào trong mạng Bayes. Ví dụ: đặt với và . Nếu bạn chuyển sang , thì sẽ không còn mang tính chu kỳ và do đó không phải là mạng Bayes. Đây dường như chủ yếu là một vấn đề thực tế làm thế nào để ước tính xác suất sau đó. Trường hợp này có vẻ khó trả lời hơn nhiều, vì vậy tôi sẽ bỏ qua nó.V = { v 1 , v 2 , v 3 } E = { ( v 1 , v 2 ) , ( v 1 , v 3 ) , ( v 2 , v 3 ) } ( v 1 , v 3 ) ( v 3 , v 1 ) G
Điều này khiến tôi hỏi những câu hỏi sau mà tôi hy vọng sẽ có câu trả lời ở đây:
- Có thể cho bất kỳ đồ thị chu kỳ có hướng (DAG) nào có thể đảo ngược tất cả các cạnh mà vẫn có DAG không?
- Giả sử DAG và dữ liệu được đưa ra. Bây giờ chúng tôi xây dựng DAG nghịch đảo . Đối với cả hai DAG, chúng tôi điều chỉnh dữ liệu cho các mạng Bayes tương ứng. Bây giờ chúng tôi có một bộ dữ liệu mà chúng tôi muốn sử dụng mạng Bayes để dự đoán các thuộc tính bị thiếu. Có thể có kết quả khác nhau cho cả hai DAG? (Tiền thưởng nếu bạn đưa ra một ví dụ)G inv
- Tương tự như 2, nhưng đơn giản hơn: Giả sử DAG và dữ liệu được cung cấp. Bạn có thể tạo một biểu đồ mới bằng cách đảo ngược bất kỳ tập hợp các cạnh nào, miễn là vẫn theo chu kỳ. Các mạng Bayes có tương đương khi nói đến dự đoán của họ không?G ' G '
- Chúng ta có nhận được một cái gì đó nếu chúng ta có các cạnh đại diện cho quan hệ nhân quả không?