Advanced Topics in Statistical Machine Learning 笔记04：Bayesian Networks as Classifiers

在本节中，我们来看如何将 Bayesian Network 作为分类器 (Classifier) 来使用。这里我们仍然使用一个具体的例子来进行理解：

假设我们已有一个针对乳腺癌 (Breast Cancer) 的诊断模型，该模型是一个贝叶斯网络：

我们的目标是使用给定的一系列乳腺摄影结果 (Mammography Results) 来预测病人是否患有乳腺癌。

和一般的分类任务一样，我们需要将变量 (Variables) 划分为两个部分：

• Class / Label / Query Variable：在本例中就是 {Breast Cancer}，它有三个取值：No, Insitu, Invasive
• Attributes：本例中的其他所有变量都是 Attributes。在贝叶斯网络中就是 Evidence，用以计算 Breast Cancer 的概率

因此，我们只需要将 Q 设为 {Breast Cancer}，其他所有变量设为 Evidence 进行 MPE 查询即可得到答案。我们需要知道的是，贝叶斯网络能够自然地处理缺失数据 (Missing Data)，如果在查询中有 Evidence 缺失，可以使用 MAP 查询。我们在前一章已经对这两种查询方式进行了介绍，最大的区别就在于 MPE 会涉及网络中的所有变量 (Variables)，但是 MAP 只会使用一部分，因此它支持对缺少某些 Evidence 情况的计算。只是 MAP 相比 MPE 的开销会更大，因为它需要消除哪些未被使用的变量。

完备数据的分类（Classification of Complete Data）