如何在贝叶斯网络中实现“异或”？
Posted
技术标签:
【中文标题】如何在贝叶斯网络中实现“异或”？【英文标题】：How to Implement "XOR" in Bayesian Networks? 【发布时间】：2016-07-05 22:26:54 【问题描述】：在图形模型和贝叶斯网络中，如何实现XOR problem？
我在这里读到了bayesian network vs bayes classifier：
朴素贝叶斯分类器是一个简单的模型，用于描述特定类别的贝叶斯网络 - 其中所有特征在类别条件下都是独立的。因此，存在朴素贝叶斯无法解决的某些问题（示例如下）。但是，它的简单性也使其更易于应用，并且在许多情况下需要较少的数据即可获得良好的结果。
示例：XOR 您有一个学习问题，涉及二元特征 x_1、x_2 和目标变量 y = x_1 XOR x_2。
在朴素贝叶斯分类器中，x_1 和 x_2 必须独立处理 - 因此您可以计算诸如“在 x_1 = 1 的情况下 y = 1 的概率”之类的东西 - 希望您能看到这没有帮助，因为 x_1 = 1 不会增加或减少 y = 1 的可能性。由于贝叶斯网络不假设独立性，因此它能够解决这样的问题。
我用谷歌搜索，但不知道怎么做。有人可以给我一个提示或好的参考吗？谢谢！
【问题讨论】：
【参考方案1】：这其实很简单。
模型的 DAG 看起来像
x1 -> XOR <- x2
然后可以写出异或节点的概率分布
x1 x2 | P(XOR=1|x1,x2)
0 0 | 0
0 1 | 1
1 0 | 1
1 1 | 0
【讨论】：
以上是关于如何在贝叶斯网络中实现“异或”？的主要内容，如果未能解决你的问题，请参考以下文章