貝葉斯網路

貝葉斯網路（Bayesian Network）是表示變數間機率依賴關係的圖模型，用有向圖編碼因果和條件獨立性。

組成：

• 節點：隨機變數
• 有向邊：因果或依賴關係
• 條件機率表：每節點給定父節點的分布

推理：

• 因果推論：預測效果
• 診斷推論：由結果推原因
• 解釋消除：多原因競爭解釋

優勢：

• 可解釋：圖結構直觀
• 結合先驗：融入領域知識
• 不確定性：機率表示置信度
• 因果：支持因果推理

學習：

• 結構學習：從數據學習圖結構
• 參數學習：估計條件機率
• 結合專家：人機協作構建

應用：

• 醫療診斷：症狀-疾病關係
• 風險評估：多因素風險模型
• 故障診斷：系統故障原因
• 決策支援：不確定性決策

與深度學習的結合：

• 神經貝葉斯：深度網路+貝葉斯推理
• 深度生成模型：VAE、擴散

是傳統AI (人工智能)的重要組成。