Bayes Inference

1. Conditionally independence
   P(X|Y,Z) = P(X|Z)， X与Y在given Z下条件独立。

2. Bayes Network 别名：
   2.1 Belief Network
   2.2 Bayes Net
   2.3 Graphic Model

3. Bayes Networks性质？
   3.1不是，BN中的箭头仅代表条件独立性的关系，有没因果关系。
   3.2 acyclic，也就是无环图，也就是具备拓扑性。

4. Why sampling?
   下图终于解决了我一直以来困惑的一个问题，即smapling的意义。总结如下：
   4.1 概率分布不光可以用来查询特定值的概率，也可以由此产生一些值；
   4.2 基于4.1因此可以模拟一种数值产生的复杂过程。
   4.3 For approximate inference (from machine prospect)
   4.3 For visualization (from human prospect)

image.png

5. Naive Bayes Inference的时候，归一化操作是指利用进行归一化？
   以下图朴素贝叶斯的概率图（伞状结构）为例，通过求预测变量V的所有可能值的后验概率，将V所有可能值的后验概率相加求和，作为归一化的分母。

   
   
   

   image.png

6. Naive Bayes 中的 inductive bias 存在于哪里？
   存在smooth平滑的过程，这里采用何平滑方式，引入了人们的bias。