bayesian networks and decision graphs pdf

贝叶斯网络（Bayesian Networks）和决策图（Decision Graphs）是概率图模型的两种重要表示方法。

贝叶斯网络是一种有向无环图（DAG），用于表示变量之间的概率依赖关系。它由节点和边组成，节点代表变量，边代表变量之间的依赖关系。节点上的条件概率表（CPT）表示了每个变量在给定其父节点的情况下的条件概率分布。贝叶斯网络可以用于推理、预测和决策，能够有效地处理不确定性和复杂的因果关系。通过观察变量的取值，可以通过网络推理得到其他变量的后验概率分布。

决策图是一种扩展了贝叶斯网络的概率图模型，用于表示决策问题中的不确定性。它在贝叶斯网络的基础上增加了决策节点和价值节点。决策节点代表决策者可选择的行动，价值节点代表决策结果的效用或代价。决策图通过考虑不同决策和可能的事件后续产生的不确定性，帮助决策者进行最佳决策的评估。通过采用不同的策略，可以计算出每个决策的期望效用，并选择具有最高期望效用的决策。

贝叶斯网络和决策图是概率模型的重要工具，广泛应用于人工智能、机器学习和决策分析等领域。它们能够帮助我们理解和描述变量之间的关系，优化决策过程，并在不确定性环境中进行推理和预测。同时，对于复杂的问题，可以通过构建和学习这些概率图模型，得到更好的解释和决策支持。