[머신러닝] Bayesian Network

안녕하세요. 이번 포스팅에서는 Bayesian Network (베이지안 네트워크)에 대해서 배워보도록 하겠습니다.

Bayesian Network는 Naive Bayes Classifier의 업그레이드 버전입니다.

Naive Bayes Classifier는 모든 입력 변수 X에 대해, X가 관찰 될 때, 종속 변수 Y가 나올 확률을 전부 곱하였습니다.

​

하지만, 현실 문제에서는 모든 X가 Y에 직접적인 영향을 주지 않습니다.

바로, 인과 관계가 존재하지요.

예를 들어보겠습니다.

​

이러한 네트워크가 있다고 합시다.

C 사건은 A와 B에 영향을 받고 D와 E 사건은 모두 C에 영향을 받습니다.

이 때 P(A,B,C,D,E)=P(A)P(B)P(C | A,B)P(D | C)P(E | C)가 만족합니다.

이러한 인과관계를 가진 네트워크에서 조건부 확률을 통해, 계산하는것이 Bayesian Network입니다.

​

하지만 현실 문제에서, 다양한 변수간에 Bayesian Network의 구조를 정하는 것이 물론 쉬운일이 아닙니다.

실제로 데이터로 부터 Bayesian Network의 구조를 만드는 다양한 알고리즘이 활발히 연구되고 있습니다.

관심이 있으시다면, 논문들을 참고하시는것을 추천드립니다.

​