更改

相比于完全版的联合概率分布，理解(一组稀疏的)直接的变量间依赖关系和局部的概率分布对于人类来说要更加直观易懂。这正是贝叶斯网络的一个优点。

相比于完全版的联合概率分布，理解(一组稀疏的)直接的变量间依赖关系和局部的概率分布对于人类来说要更加直观易懂。这正是贝叶斯网络的一个优点。

==Inference and learning推论与学习==

==推理与学习==

Bayesian networks perform three main inference tasks:

Bayesian networks perform three main inference tasks:

在层次结构模型中选择先验分布时需要特别注意，尤其是身处高层次的变量，比如上述例子中的变量 <math>\tau\,\!</math> 。常用的的先验分布，例如 Jeffreys先验往往不起作用，因为后验概率不是正规化的，而最小化预期损失得出的估计通常也无效。

在层次结构模型中选择先验分布时需要特别注意，尤其是身处高层次的变量，比如上述例子中的变量 <math>\tau\,\!</math> 。常用的的先验分布，例如 Jeffreys先验往往不起作用，因为后验概率不是正规化的，而最小化预期损失得出的估计通常也无效。

==Definitions and concepts定义与概念==

==定义与概念==

{{See also|Glossary of graph theory#Directed acyclic graphs}}

{{See also|Glossary of graph theory#Directed acyclic graphs}}

*[[感知融合]]

*[[感知融合]]

*[[序列对齐]]

*[[序列对齐]]

*[[结构方程建模g]]

*[[结构方程建模]]

*[[主观逻辑]]

*[[主观逻辑]]

*[[变量-排序 贝叶斯网络]]

*[[变量-排序 贝叶斯网络]]

== Further reading 延伸阅读==

==延伸阅读==

* {{cite book | title = Bayesian Networks and BayesiaLab – A practical introduction for researchers|url={{google books |plainurl=y |id=etXXsgEACAAJ}} | first1 = Stefan | last1 = Conrady | first2 = Lionel | last2 = Jouffe | name-list-format = vanc | isbn = 978-0-9965333-0-0 | publisher = Bayesian USA | location = Franklin, Tennessee |date=2015-07-01 }}

* {{cite book | title = Bayesian Networks and BayesiaLab – A practical introduction for researchers|url={{google books |plainurl=y |id=etXXsgEACAAJ}} | first1 = Stefan | last1 = Conrady | first2 = Lionel | last2 = Jouffe | name-list-format = vanc | isbn = 978-0-9965333-0-0 | publisher = Bayesian USA | location = Franklin, Tennessee |date=2015-07-01 }}

== External links 外部链接==

==外部链接==