A Bayesian network is a probabilist

A Bayesian network is a probabilistic model that is used to specify a set of events
and the dependencies between them. The networks are directed, acyclic graphs
(DAGs), where the nodes in the graph represent events with a set of possible
outcomes and arcs represent probabilistic dependencies between the events. The
probability, or belief,15 of a particular event outcome can be determined given
the probabilities of the parent events (or a prior probability in the case of a root
node). When used as a retrieval model, the nodes represent events such as observing
a particular document, or a particular piece of evidence, or some combination
of pieces of evidence. These events are all binary, meaning that TRUE and FALSE
are the only possible outcomes.

ผลลัพธ์ (ไทย) 1:

ทฤษฎีเครือข่ายเป็นรูปแบบน่าจะที่ใช้เพื่อระบุชุดของเหตุการณ์และความสัมพันธ์ระหว่างพวกเขา เครือข่ายได้โดยตรง acyclic กราฟ(DAGs), ที่โหนดในกราฟแสดงกิจกรรมของไปได้ผลและส่วนแสดงน่าจะอ้างอิงระหว่างเหตุการณ์ การสามารถกำหนดความน่าเป็น หรือความเชื่อ 15 ของผลเหตุการณ์เฉพาะที่กำหนดน่าจะของกิจกรรมหลัก (หรือความน่าเป็นก่อนในกรณีของรากโหนด) เมื่อใช้เป็นแบบดึง โหนแสดงเหตุการณ์ต่าง ๆ เช่นการสังเกตเอกสารเฉพาะ หรือชิ้นส่วนของหลักฐาน หรือรวมกันชิ้นส่วนของหลักฐาน เหตุการณ์เหล่านี้เป็นไบนารีทั้งหมด หมายความว่า TRUE และ FALSEมีผลเท่า

ผลลัพธ์ (ไทย) 2:

เครือข่ายแบบเบย์เป็นรูปแบบที่น่าจะเป็นที่จะใช้ในการระบุชุดของเหตุการณ์
และการอ้างอิงระหว่างพวกเขา เครือข่ายเป็นผู้กำกับกราฟวัฏจักร
(DABs ความ) ที่โหนดในกราฟแทนเหตุการณ์ที่เกิดขึ้นกับชุดของที่เป็นไปได้
ผลลัพธ์และโค้งแทนการพึ่งพาระหว่างความน่าจะเป็นเหตุการณ์ที่เกิดขึ้น
น่าจะเป็นหรือความเชื่อที่ 15 ของผลเหตุการณ์ใดสามารถกำหนดได้รับ
ความน่าจะเป็นของเหตุการณ์แม่ (หรือความน่าจะเป็นก่อนในกรณีของรากที่
โหนด) เมื่อนำมาใช้เป็นรูปแบบการดึงโหนดแทนเหตุการณ์เช่นการสังเกต
เอกสารเฉพาะหรือชิ้นส่วนของหลักฐานหรือการรวมกันบางส่วน
ของชิ้นส่วนของหลักฐาน เหตุการณ์เหล่านี้มีไบนารีทั้งหมดหมายความว่าจริงและเท็จ
เป็นผลลัพธ์ที่เป็นไปเพียง

ผลลัพธ์ (ไทย) 3:

เครือข่ายคชกรรมเป็นรูปแบบความน่าจะเป็นที่ใช้ในการระบุชุดของเหตุการณ์และการพึ่งพาระหว่างกัน เครือข่ายโดยตรงกราฟอะไซคลิก( เดคากรัม ) ที่โหนดในกราฟแสดงเหตุการณ์ที่มีชุดของที่เป็นไปได้และผลของการพึ่งพาระหว่างโค้งความน่าจะเป็นของเหตุการณ์ ที่ความน่าจะเป็น หรือความเชื่อที่ 15 ของเฉพาะเหตุการณ์ผลที่สามารถกำหนดให้ความน่าจะเป็นของเหตุการณ์ ( พ่อแม่หรือความน่าจะเป็นก่อนในกรณีของรากโหนด ) เมื่อใช้เป็นการดึงรูปแบบโหนดแสดงเหตุการณ์เช่นการสังเกตเอกสารที่เฉพาะเจาะจงหรือเฉพาะชิ้นส่วนของหลักฐาน หรือบางอย่างร่วมกันของชิ้นส่วนของหลักฐาน เหตุการณ์ทั้งหมดนี้เป็นแบบไบนารี หมายความว่าจริงและเท็จเป็นเพียงผลลัพธ์ที่เป็นไป