Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porMaría Soledad Soriano Giménez Modificado hace 8 años
1
Sesión 6: Redes Bayesianas - Inferencia
2
Incertidumbre - RB I, L.E. Sucar
[Neapolitan 90] Incertidumbre - RB I, L.E. Sucar
3
Inferencia en Redes Bayesianas
Introducción Propagación en árboles Propagación en poliárboles Propagación en redes multi-conectadas Condicionamiento Simulación Agrupamiento Abducción Incertidumbre - RB I, L.E. Sucar
4
Incertidumbre - RB I, L.E. Sucar
Propagación de Probabilidades El razonamiento probabilístico o propagación de probabilidades consiste en propagar de los efectos de la evidencia a través de la red para conocer la probabilidad a posteriori de las variables. Incertidumbre - RB I, L.E. Sucar
5
Incertidumbre - RB I, L.E. Sucar
La propagación consiste en darle valores a ciertas variables (evidencia), y obtener la probabilidad posterior de las demás variables dadas las variables conocidas (instanciadas). Incertidumbre - RB I, L.E. Sucar
6
Incertidumbre - RB I, L.E. Sucar
Inferencia bayesiana C Causal: C -> H Evidencial: E -> H Mixta: C,E -> H P(H|C) H P(E|H) E Incertidumbre - RB I, L.E. Sucar
7
Incertidumbre - RB I, L.E. Sucar
Algoritmos Los algoritmos de propagación dependen de la estructura de la red: Árboles Poliárboles Redes multiconectadas Incertidumbre - RB I, L.E. Sucar
8
Incertidumbre - RB I, L.E. Sucar
Propagación en Árboles . Cada nodo corresponde a una variable discreta, B{B 1, B 2,…, B n) con su respectiva matriz de probabilidad condicional, P(B|A)=P(Bj| Ai) Incertidumbre - RB I, L.E. Sucar
9
Propagación en Árboles
H A I B C D E F G Incertidumbre - RB I, L.E. Sucar
10
Incertidumbre - RB I, L.E. Sucar
Dada cierta evidencia E --representada por la instanciación de ciertas variables-- la probabilidad posterior de cualquier variable B, por el teorema de Bayes: P( Bi | E)=P( Bi ) P(E | Bi) / P( E ) B Incertidumbre - RB I, L.E. Sucar
11
Incertidumbre - RB I, L.E. Sucar
Evidencia H A I B C D E F G E = {I,F,E} Incertidumbre - RB I, L.E. Sucar
12
Incertidumbre - RB I, L.E. Sucar
Evidencia Ya que la estructura de la red es un árbol, el Nodo B la separa en dos subárboles, por lo que podemos dividir la evidencia en dos grupos: E-: Datos en el árbol que cuya raíz es B E+: Datos en el resto del árbol Incertidumbre - RB I, L.E. Sucar
13
Incertidumbre - RB I, L.E. Sucar
Evidencia H E+ A I B C D E F G E- Incertidumbre - RB I, L.E. Sucar
14
Incertidumbre - RB I, L.E. Sucar
Entonces: P( Bi | E ) = P ( Bi ) P ( E-,E+ | Bi ) / P(E) Pero dado que ambos son independientes y aplicando nuevamente Bayes: P( Bi | E ) = a P ( Bi | E+ ) P(E- | Bi ) Donde a es una constante de normalización Incertidumbre - RB I, L.E. Sucar
15
Incertidumbre - RB I, L.E. Sucar
Definiciones: Si definimos los siguientes términos: l (Bi)= P ( E- | Bi) p (Bi)= P (Bi | E+ ) Entonces: P(Bi | E )= a p (B i) l (B i) Incertidumbre - RB I, L.E. Sucar
16
Incertidumbre - RB I, L.E. Sucar
Desarrollo En base a la ecuación anterior, se puede integrar un algoritmo distribuido para obtener la probabilidad de un nodo dada cierta evidencia Para ello se descompone el cálculo de cada parte: Evidencia de los hijos (l) Evidenica de los demás nodos (p) Incertidumbre - RB I, L.E. Sucar
17
Evidencia de los hijos (l)
Dado que los hijos son condicionalmente independientes dado el padre: l (Bi) = P ( E- | Bi) = Pk P ( Ek- | Bi) Donde Ek- corresponde a la evidencia del subárbol del hijo k Incertidumbre - RB I, L.E. Sucar
18
Incertidumbre - RB I, L.E. Sucar
Evidencia hijos H A I B C D E-(D) E E-(E) F G J Incertidumbre - RB I, L.E. Sucar
19
Evidencia de los hijos (l)
Condicionando respecto a los posibles valores de los hijos de B: l (Bi)= Pk [ Sj P ( Ek- | Bi, Sjk) P(Sjk | Bi) ] Donde Sk es el hijo k de B, y la sumatoria es sobre los valores de dicho nodo (teorema de probabilidad total) Incertidumbre - RB I, L.E. Sucar
20
Evidencia de los hijos (l)
Dado que B es condicionalmente independiente de la evidencia dados sus hijos: l (Bi) = Pk [ Sj P ( Ek- | Sjk) P(Sjk | Bi) ] Substituyendo la definción de l: l (Bi)= Pk [ Sj P(Sjk | Bi) l (Sjk)] Incertidumbre - RB I, L.E. Sucar
21
Incertidumbre - RB I, L.E. Sucar
Evidencia hijos H A I B C D l(D) E l(E) F G Incertidumbre - RB I, L.E. Sucar
22
Evidencia de los hijos (l)
Recordando que l es un vector (un valor por cada posible valor de B), lo podemos ver en forma matricial: l = l P (S | B) Incertidumbre - RB I, L.E. Sucar
23
Evidencia de los demás nodos (p)
Condicionando sobre los diferentes valores del nodo padre (A): p (Bi) = P (Bi | E+ ) = Sj P (Bi | E+ , Aj) P(Aj | E+ ) Donde Aj corresponde a los diferentes valores del nodo padre de B Incertidumbre - RB I, L.E. Sucar
24
Incertidumbre - RB I, L.E. Sucar
Evidencia padre H A E+ I B C D E F G Incertidumbre - RB I, L.E. Sucar
25
Evidencia de los demás nodos (p)
Dado que B es independiente de la evidencia “arriba” de A dado A: p (Bi) = Sj P (Bi | Aj) P(Aj | E+ ) La P(Aj | E+ ) corresponde a la P posterior de A dada toda la evidencia excepto B y sus hijos, por lo que se puede escribir como: P(Aj | E+ ) = a p (A i) Pk¹B lk (A i) Incertidumbre - RB I, L.E. Sucar
26
Incertidumbre - RB I, L.E. Sucar
Evidencia padre p(A) H A I B C l(C) D l(B) E F G Incertidumbre - RB I, L.E. Sucar
27
Evidencia de los demás nodos (p)
Substituyendo P(Aj | E+ ) en la ecuación de p : p (Bi) = Sj P (Bi | Aj) [ a p (A i) Pk¹B lk (A i) ] De forma que se obtiene combinando la p de del nodo padre con la l de los demás hijos Incertidumbre - RB I, L.E. Sucar
28
Evidencia de los demás nodos (p)
Dado que también p es un vector, lo podemos ver en forma matricial: p = P (B | A) PA Incertidumbre - RB I, L.E. Sucar
29
Incertidumbre - RB I, L.E. Sucar
Algoritmo Mediante estas ecuaciones se integra un algoritmo de propagación de probabilidades en árboles. Cada nodo guarda los valores de los vectores p y l, así como las matrices de probabilidad P. La propagación se hace por un mecanismo de paso de mensajes, en donde cada nodo envía los mensajes correspondientes a su padre e hijos: Incertidumbre - RB I, L.E. Sucar
30
Mensaje a los hijos (hacia abajo) -- nodo B a su hijo Sk :
Mensaje al padre (hacia arriba) -- nodo B a su padre A: Mensaje a los hijos (hacia abajo) -- nodo B a su hijo Sk : Incertidumbre - RB I, L.E. Sucar
31
Incertidumbre - RB I, L.E. Sucar
Al instanciarse ciertos nodos, éstos envían mensajes a sus padres e hijos, y se propagan hasta a llegar a la raíz u hojas, o hasta encontrar un nodo instanciado. Así que la propagación se hace en un solo paso en un tiempo proporcional al diámetro de la red. Incertidumbre - RB I, L.E. Sucar
32
Incertidumbre - RB I, L.E. Sucar
Propagación l H lI(H) lA(H) A lB(A) I lC(A) B C lD(B) lE(B) D E lF(D) lG(D) F G Incertidumbre - RB I, L.E. Sucar
33
Incertidumbre - RB I, L.E. Sucar
Propagación p H pH(I) pH(A) A pA(B) I pA(C) B C pB(D) pB(E) D E pD(F) pD(G) F G Incertidumbre - RB I, L.E. Sucar
34
Condiciones Iniciales
Nodos no conocidos: l (Bi) = [1,1, …] p (Bi) = [1,1, …] Nodos asignados (conocidos): l (Bi) = [0,0, ..1, 0, …, 0] (1 para valor asignado) p (Bi) = [0,0, ..1, 0, …, 0] (1 para valor asignado) Nodo raíz: p (A) = P(A), (probabilidad marginal inicial) Incertidumbre - RB I, L.E. Sucar
35
Incertidumbre - RB I, L.E. Sucar
Ejemplo P(C) Comida P(E|C) Enf. P(F|E) P(D|E) Fiebre Dolor Incertidumbre - RB I, L.E. Sucar
36
Incertidumbre - RB I, L.E. Sucar
Ejemplo Comida Enf. F=si l=[1,0] l=[1,1] Fiebre Dolor Incertidumbre - RB I, L.E. Sucar
37
Incertidumbre - RB I, L.E. Sucar
Ejemplo Comida lF= [1,0] * [.9 .5 | .1 .5] = [.9 .5] lD= [1,1] * [.7 .4 | .3 .6] = [1 1] Enf. Fiebre Dolor P(F|E) P(D|E) Incertidumbre - RB I, L.E. Sucar
38
Incertidumbre - RB I, L.E. Sucar
Ejemplo l(C) = [.9 .5] * [.9 .7| .1 .3] = [ ] Comida P(E|C) l(E) = [.9 .5] * [1 1] = [.9 .5] Enf. Fiebre Dolor P(F|E) P(D|E) Incertidumbre - RB I, L.E. Sucar
39
Incertidumbre - RB I, L.E. Sucar
Ejemplo p(C) = [.8 .2] Comida p(E) = [.8 .2] * [.9 .7| .1 .3] = [ ] P(E|C) Enf. Fiebre Dolor P(F|E) P(D|E) Incertidumbre - RB I, L.E. Sucar
40
Incertidumbre - RB I, L.E. Sucar
Ejemplo p(C) = [.8 .2] Comida p(D) = [ ] * [.9 .5] [.7 .4| .3 .6] = [ ] p(E) = [ ] Enf. Fiebre Dolor P(D|E) Incertidumbre - RB I, L.E. Sucar
41
Incertidumbre - RB I, L.E. Sucar
Ejemplo p(C) = [.8 .2] Comida p(E) = [ ] l(C) = [ ] P(C)=a[ ] P(C)= [ ] l(E) = [.9 .5] P(E)=a[ ] P(E)= [ ] Enf. p(D) = [ ] Fiebre Dolor l(D)=[1,1] P(D)=a[ ] P(D)= [ ] Incertidumbre - RB I, L.E. Sucar
42
Incertidumbre - RB I, L.E. Sucar
Ejemplo Ejemplo propagación en árboles en HUGIN Incertidumbre - RB I, L.E. Sucar
43
Incertidumbre - RB I, L.E. Sucar
Propagación en Poliárboles . Un poliárbol es una red conectada en forma sencilla, pero en la que un nodo puede tener varios padres: P(B | A1, A2, …, An) Incertidumbre - RB I, L.E. Sucar
44
Propagación en Poliárboles
H I A B C D E F G Incertidumbre - RB I, L.E. Sucar
45
Incertidumbre - RB I, L.E. Sucar
Algoritmo El método es muy similar al de árboles, con algunas consideraciones adicionales: Considerar la probabilidad condicional del nodo dados todos sus padres para el cálculo de p y l Enviar los mensajes l a cada uno de los padres de un nodo Incertidumbre - RB I, L.E. Sucar
46
Incertidumbre - RB I, L.E. Sucar
Propagación en Redes Multiconectadas Una red multiconectada es un grafo no conectado en forma sencilla, es decir, en el que hay múltiples trayectorias entre nodos (MCG). En este tipo de RP los métodos anteriores ya no aplican, pero existen otras técnicas alternativas: Condicionamiento Simulación estocástica Agrupamiento Incertidumbre - RB I, L.E. Sucar
47
Incertidumbre - RB I, L.E. Sucar
Condicionamiento Si instanciamos una variable, ésta bloquea las trayectorias de propagación. Entonces asumiendo valores para un grupo seleccionado de variables podemos descomponer la gráfica en un conjunto de SCG. Propagamos para cada valor posible de dichas variables y luego promediamos las probabilidades ponderadas. Incertidumbre - RB I, L.E. Sucar
48
Incertidumbre - RB I, L.E. Sucar
Condicionamiento 1=V 1=V 1 1 1 3 3 2 2 4 5 4 5 Incertidumbre - RB I, L.E. Sucar
49
Incertidumbre - RB I, L.E. Sucar
Simulación Estocástica: Se asignan valores aleatorios a las variables no instanciadas, se calcula la distribución de probabilidad y se obtienen valores de cada variable dando una muestra. Se repite el procedimiento para obtener un número apreciable de muestras y en base al numero de ocurrencias de cada valor se determina la probabilidad de dicha variable. Incertidumbre - RB I, L.E. Sucar
50
Incertidumbre - RB I, L.E. Sucar
Simulación Estocástica: v 1 f f 3 2 v 4 5 f vfffv Incertidumbre - RB I, L.E. Sucar
51
Incertidumbre - RB I, L.E. Sucar
Agrupamiento: El método de agrupamiento consiste en transformar la estructura de la red para obtener un árbol, mediante agrupación de nodos usando la teoría de grafos. Incertidumbre - RB I, L.E. Sucar
52
Incertidumbre - RB I, L.E. Sucar
Agrupamiento Transformación: Eliminar direccionalidad de los arcos Ordenamiento de los nodos por máxima cardinalidad Moralizar el grafo (arco entre nodos con hijos comunes) Triangularizar el grafo Obtener los cliques y ordenar Construir árbol de cliques Incertidumbre - RB I, L.E. Sucar
53
Incertidumbre - RB I, L.E. Sucar
Ejemplo 1 1 3 2 3 2 4 5 4 5 Incertidumbre - RB I, L.E. Sucar
54
Ordenamiento de Cliques
1 C1 3 2 C3 4 5 C2 Incertidumbre - RB I, L.E. Sucar
55
Incertidumbre - RB I, L.E. Sucar
Árbol de Cliques C1 1,2,3 C2 2,3,4 C3 3,5 Incertidumbre - RB I, L.E. Sucar
56
Incertidumbre - RB I, L.E. Sucar
Propagación La propagación es mediante el envio de mensajes en el árbol de cliques (en forma similar a árboles) Inicialmente se calcula la probabilidad conjunta (potencial) de cada clique, y la condicional dado el padre Dada cierta evidencia se recalculan las probabilidades de cada clique La probabilidad individual de cada variable se obtiene de la del clique por marginalización Incertidumbre - RB I, L.E. Sucar
57
Incertidumbre - RB I, L.E. Sucar
Complejidad En el peor caso, la propagación en redes bayesianas es un problema NP-duro En la práctica, en muchas aplicaciones se tienen redes no muy densamente conectadas y la propagación es eficiente aún para redes muy grandes Se realiza nvestigación en técnicas de propagación aproximada Incertidumbre - RB I, L.E. Sucar
58
Incertidumbre - RB I, L.E. Sucar
Ejemplo Propagación en redes multiconectadas en HUGIN Incertidumbre - RB I, L.E. Sucar
59
Incertidumbre - RB I, L.E. Sucar
Abducción La “abducción” se define como encontrar la mejor “explicación” (valores de un cierto conjunto de variables) dada cierta evidencia Normalmente se buscan los valores del conjunto “explicación” que tiene mayor probabilidad En general, el conjunto de mayor probabilidad NO es igual a los valores individuales de mayor probabilidad Incertidumbre - RB I, L.E. Sucar
60
Incertidumbre - RB I, L.E. Sucar
Abducción H A I B C D E Ejemplo: Max P(A,B,F|G,I) F G Incertidumbre - RB I, L.E. Sucar
61
Incertidumbre - RB I, L.E. Sucar
Referencias Pearl 88 – Cap. 4,5 Neapolitan 90 – Cap. 6,7,8 Incertidumbre - RB I, L.E. Sucar
62
Incertidumbre - RB I, L.E. Sucar
Actividades Hacer ejercicios de propagación en redes bayesianas Incertidumbre - RB I, L.E. Sucar
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.