贝叶斯网络五道题
1、 事件与贝叶斯的对应关系
2、 朴素贝叶斯网络的适应性
3、 D 分离的作用是什么?为什么要学习 D 分离
4、 在用贝叶斯网进行推断是已知数据来自于哪?用于计算的数据来自于哪?
5、 高阶联合概率计算低阶联合概率是什么意思?
贝叶斯网络 20 题
1、 已 知 事 件 A 与 事 件 B 发 生 与 否 伴 随 出 现 , 根 据 贝 叶 斯 公 式 可 得 到
P(B|A)=P(A|B)*M/P(A),则 M=().
A、P(AB)
B、P(B )
C、P(A )
D、P(B)
2、 一个人参加宴会为真的概率为 0.2,如果他参加宴会后醉酒为真的概率为 0.7,
那么他醉酒为假的概率是多少()
A、0.14
3、 对于变量有二个以上的情况,贝式定理亦成立。P(A|B,C)=P(B|A)*P(A)*M
B、0.06
C、0.86
D、0.56
/(P(B)*P(C|B)).则 M=().
C、P(B|C)
D、P(A,B|C)
A、P(C|A,B)
B、P(A|C)
=1
=0
的条件是()
4、(联合概率)表达式 p(V1=v1,V2=v2,…,VK=vk)称为一个联合概率,即变量
V1,V2 ,…,VK的值分别是v1,v2,…,vk时的概率。联合概率的概率函数必须满足
A、0≤p(V1,V2 ,…,VK)≤1
B、 P(V1,V2,…,VK)
C、1≤P(V1,V2 ,…,VK)
D、 P(V1,V2,…,VK)
5、(链规则)条件概率链规则的一般形式是P(V1,V2 ,…,VK)=()
C、 i=1k p(Vi)
A、 i=1k p(Vi|Vi−1…V1)
D、 p(Vi)
6、对于贝叶斯网中的节点6、vi和vj之间的每条无向路径,在路径上的某个节点vb,
节点vi和vj条件独立于给定的节点集 w(即 I(vi,vj|w),则节点vb满足的条件是
A、vb在 w 中,且每条路径都从 w 开始
B、vb在 w 中,路径上的一条弧一条以vb为头,一条以vb为尾
C、vb和它的任何后继都不在 w 中,路径上的两条弧都以vb为头
D、vb和它的任何后继都不在 w 中,路径上的一条弧一条以vb为头,一条以vb为
B、 i=1k p(Vi|Vi−1V1)
()
尾
7、给定贝叶斯公式 P( cj|x) =(P(x|cj)P(cj))/P(x),公式中 P( cj|x)为()
A、先验概率
B 后验概率
C 全概率
D 联合概率
8、关于朴素贝叶斯分类器说法正确的是()
A、朴素分类器的假设是当给定类变量时,属性变量之间条件独立
B、朴素分类器具有较高的分类准确性
C、朴素分类器具有星形结构
D、由于朴素分类器具有星形结构,因此能够有效利用变量之间的依赖关系
阅读题目回答 9-13 题
通过对某地区的部分人群进行调查,获得了他们对于的 age、income、是否
为 student、Credit_rating 以及是否购买某品牌的电脑的信息进行了记录。训
练样例如表 1,通过训练样例的到表 2,表 3 为根据表 2 的统计数据,得到的在
分类为 YES 和 NO 的条件下各个属性值取得的概率以及 YES 和 NO 在所有样例中取
值的概率。
RID
1
2
3
4
5
6
7
8
9
10
11
12
13
14
age
Middle_aged
Middle_aged
Senior
Senior
Senior
Senior
Youth
Middle_aged
Middle_aged
Senior
Middle_aged
Youth
Youth
Senior
Income
High
High
High
Medium
Medium
Low
Low
Medium
Low
Medium
Medium
Medium
High
Medium
表 1
Student
No
No
No
No
Yes
Yes
Yes
No
Yes
Yes
Yes
No
Yes
Yes
Credit_rating
Fair
Excellent
Fair
Fair
Fair
Excellent
Excellent
Fair
Fair
Fair
Excellent
Excellent
Fair
Excellent
Class:buys_computer
No
No
Yes
Yes
Yes
No
Yes
No
Yes
Yes
Yes
Yes
Yes
No
9、表 2 是由表 1 的数据得到的,表 2 中的 M 和 N 的值应该分别为()
A、14 和 5
C、9 和 0
B 5 和 3
D
9 和 5
Age
Youth Middle_
aged
2
3
3
N
表 2
income
student
Credit_rating
Buy_computer
Senior High Medium Low YES NO Fair
Excellent
4
2
2
2
5
2
2
1
6
2
3
3
6
2
3
3
YES
NO
M
5
10、表 3 是由表 2 得到的,表 3 中 M 和 N 的值分别为()
A、9/14 和 0
B、1 和 1/5
C、9/14 和 1/5
D、0 和 1
表 3
Age
Youth Middle_
aged
2/9
3/5
1/3
N
income
student
Credit_rating
Buy_computer
Senior High Medium Low YES NO Fair
Excellent
4/9
2/5
2/9
2/5
5/9
2/5
2/9
1/5
2/3
2/5
1/3
3/5
2/3
2/5
1/3
3/5
YES
NO
M
5/14
11、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent) , 则
P(YES|x)=()
P(age=youth,income=medium,student=no,crediting_rating=excellent)
C、0.067
D、0.568
0.0132
A、
B、0.0132
12、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent) , 则
P(NO|x)=()
A、0
D、0.268
B、0.23
C、0.68
13、试判别样例 x=(age=youth,income=medium,student=no,
credit_rating=excellent)属于哪类()
A、YES B、NO C、既不属于 YES,也不属于 NO
D、属于 YES 也属于 NO
14、关于贝叶斯网络的描述正确的是()
A、它时一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分
析的工具。
B、它是用来表示变量间的连接概率的图形模式。
C、它是有向无环图
D、在他的回路中,变量之间相互依赖
15 贝叶斯网络主要应用的领域有()
B、辅助智能决策
A、模式识别
C、医疗诊断
D、数据融合
阅读例子回答 16-20 题,教授家的监测系统的报警例子
Pearl 教授家住洛杉矶,那里地震和盗窃时有发生。教授的家里装有警铃, 地震和盗窃都有
可能触发警铃。听到警铃后,两个邻居 Mary 和 John 可能会打电话给他。一天 Pearl 教授接
到 Mary 的电话,说听到他家的警铃响。Pearl 教授想知道他家遭盗窃的可能性。已知:盗窃
发生的概率为 0.001;地震发生的概率为 0.002;在盗窃发生,地震发生时警铃响的概率为
0.95;盗窃发生,地震未发生时警铃响的概率为 0.94;盗窃未发生,地震发生时警铃响的概
率为 0.29;盗窃未发生且地震未发生时警铃响的概率为 0.001。
图 1
16、根据题意可得到贝叶斯网络如图 1,Mary 和 John 打电话分别为事件 M 和事件 J,警铃响
的事件为 A,地震发生的事件为 E,盗窃发生的事件为 B,补全贝叶斯网络未知节点 P 和 Q 分
别为()
A、J 合 A
C、B 和 A
D、A 和 J
B、J 和 E
图 2
B、P(A ,B)
C、P(A,B )
C、0.45
17、根据题意,可得到的 Venn 图.如图 2,请问 X 处表示为()
A、P(A,B)
18、(因果推理,自顶向下)求 P(A|B)=()(保留两位小数)
A、0.98
B、0.94
19、(诊断推理,自底向上)求 P(B|A)=()
A、0.373
B、0.101
C、0.0045
20、(辩解,嵌入在因果推理与诊断推理之间)求 P(B|AE)=()
A、0.60
C、0.0033
B、0.29
D、P(A ,B )
D、0.56
D、0.879
D、0.39