Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Bir Bayes ağı, Bayes modeli ya da olasılıksal yönlü dönüşsüz çizge modeli bir olasılıksal çizge modelidir (bir çeşit istatistiksel model) ve birbirleriyle koşulsal bağımlılıklara sahip bir rassal değişkenler kümesini yönlü dönüşsüz çizge(YDÇ) şeklinde ifade eder. Bayes ağları; gündelik hayatta meydana gelen bir olayı anlatmak ve o olayın gerçekleşmesine sebebiyet verebileceği bilinen birkaç olası nedenden herhangi birinin katkıda bulunan faktör olma olasılığını tahmin etmek için kullanılan ideal bir modelleme türüdür. Örneğin, bir Bayes ağı kullanılarak hastalıklar ve semptomları arasındaki olasılıksal koşul ilişkileri modellenebilir. Bu model kullanılarak, bir kişide görülen semptomlar verildiğinde bu kişinin bazı hastalıklara sahip olma olasılıkları hesaplanabilir. Buna benzer olarak neden-sonuç ilişkisi olan birçok olayın olasılığı bu modelleme ile görselleştirilebilir.
Bayes ağları, her düğümü bir rassal değişkeni ifade eden YDÇ'lerdir. Gözlemlenebilir nicelikler, gizli değişkenler, bilinmeyen parametreler ya da hipotezler birer Bayes rassal değişkeni olabilirler. Birbirine herhangi bir şekilde bağlı olmayan düğümler birbirlerinden . Her düğüm, girdi olarak ebeveyn düğümlerinin değerlerini alan ve çıktı olarak o düğümün ifade ettiği değişkenin alabileceği değerlerin olasılıklarını (duruma göre olasılık dağılımını) veren bir olasılık fonksiyonu ile ilişkilendirilmiştir. Örneğin, eğer ebeveyn düğüm Bool değişkenini ifade ediyorsa olasılık fonksiyonu hücreli bir tablo ile gösterilebilir; ebeveyn değişkenlerinin alabileceği doğru ya da yanlış değerlerinin her biri için bir hücre.
Benzer fikirler yönsüz ve duruma göre dönüşlü çizgeler üzerinde uygulanabilir; böyleleri olarak adlandırılır.
Bayes ağları üzerinde çıkarsama ve öğrenme yapan verimli algoritmalar vardır. Bir değişkenler dizisini (örn. konuşma sinyali, protein dizisi) modelleyen Bayes ağlarına denir.
Ayrıca bakınız
Kaynakça
- ^ a b Stuart Russell; Peter Norvig (1995). Artificial Intelligence A Modern Approach Third Edition. Upper Saddle River, New Jersey: PRENTICE HALL. ss. 511. ISBN . Erişim tarihi: 6 Şubat 2018.
- ^ Şadi Evren Şeker (21 Aralık 2008). . bilgisayarkavramlari. 6 Ağustos 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 6 Şubat 2018.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Bir Bayes agi Bayes modeli ya da olasiliksal yonlu donussuz cizge modeli bir olasiliksal cizge modelidir bir cesit istatistiksel model ve birbirleriyle kosulsal bagimliliklara sahip bir rassal degiskenler kumesini yonlu donussuz cizge YDC seklinde ifade eder Bayes aglari gundelik hayatta meydana gelen bir olayi anlatmak ve o olayin gerceklesmesine sebebiyet verebilecegi bilinen birkac olasi nedenden herhangi birinin katkida bulunan faktor olma olasiligini tahmin etmek icin kullanilan ideal bir modelleme turudur Ornegin bir Bayes agi kullanilarak hastaliklar ve semptomlari arasindaki olasiliksal kosul iliskileri modellenebilir Bu model kullanilarak bir kiside gorulen semptomlar verildiginde bu kisinin bazi hastaliklara sahip olma olasiliklari hesaplanabilir Buna benzer olarak neden sonuc iliskisi olan bircok olayin olasiligi bu modelleme ile gorsellestirilebilir Basit bir Bayes agi Yagmur yagma durumu fiskiyenin calisma olasiligini etkiler Cimlerin islak olma olasiligi ise hem fiskiyeye hem de yagmura baglidir Bayes aglari her dugumu bir rassal degiskeni ifade eden YDC lerdir Gozlemlenebilir nicelikler gizli degiskenler bilinmeyen parametreler ya da hipotezler birer Bayes rassal degiskeni olabilirler Birbirine herhangi bir sekilde bagli olmayan dugumler birbirlerinden Her dugum girdi olarak ebeveyn dugumlerinin degerlerini alan ve cikti olarak o dugumun ifade ettigi degiskenin alabilecegi degerlerin olasiliklarini duruma gore olasilik dagilimini veren bir olasilik fonksiyonu ile iliskilendirilmistir Ornegin eger m displaystyle m ebeveyn dugum m displaystyle m Bool degiskenini ifade ediyorsa olasilik fonksiyonu 2m displaystyle 2 m hucreli bir tablo ile gosterilebilir ebeveyn degiskenlerinin alabilecegi 2m displaystyle 2 m dogru ya da yanlis degerlerinin her biri icin bir hucre Benzer fikirler yonsuz ve duruma gore donuslu cizgeler uzerinde uygulanabilir boyleleri olarak adlandirilir Bayes aglari uzerinde cikarsama ve ogrenme yapan verimli algoritmalar vardir Bir degiskenler dizisini orn konusma sinyali protein dizisi modelleyen Bayes aglarina denir Ayrica bakinizKalman filtresi Naive Bayes siniflandirici Risk analiziKaynakca a b Stuart Russell Peter Norvig 1995 Artificial Intelligence A Modern Approach Third Edition Upper Saddle River New Jersey PRENTICE HALL ss 511 ISBN 978 0 13 604259 4 Erisim tarihi 6 Subat 2018 Sadi Evren Seker 21 Aralik 2008 bilgisayarkavramlari 6 Agustos 2017 tarihinde kaynagindan arsivlendi Erisim tarihi 6 Subat 2018