貝葉斯網(wǎng)絡(luò)應(yīng)用

1、天津科技人子數(shù)據(jù)倉庫與數(shù)據(jù)挖掘姓名：杜芳學(xué)號(hào)：09103204專業(yè)：軟件工程學(xué)院：計(jì)算機(jī)科學(xué)與信息工程目錄 TOC o 1-5 h z 一、貝葉斯概率基礎(chǔ)2 HYPERLINK l bookmark13 o Current Document 1先驗(yàn)概率、后驗(yàn)概率和條件概率2 HYPERLINK l bookmark16 o Current Document 2條件概率公式2 HYPERLINK l bookmark19 o Current Document 3全概率公式2 HYPERLINK l bookmark25 o Current Document 4貝葉斯公式2二、貝葉斯網(wǎng)絡(luò)概述3三、

2、Sql server 2008中的貝葉斯網(wǎng)絡(luò)應(yīng)用4 HYPERLINK l bookmark28 o Current Document 1在SQL Server 2005中建一個(gè)新的數(shù)據(jù)庫BayesDatabase，如圖所示。42倉U建新的商業(yè)智能項(xiàng)目BayesProject5 HYPERLINK l bookmark31 o Current Document 3建立BayesA中的數(shù)據(jù)連接，連接到數(shù)據(jù)庫BayesDatabase64建立BayesA中的數(shù)據(jù)源視圖，在建立視圖的過程中選擇數(shù)據(jù)庫中的表格Table_2. 7 HYPERLINK l bookmark37 o Current Doc

3、ument 5創(chuàng)建挖掘結(jié)構(gòu)8 HYPERLINK l bookmark40 o Current Document 6數(shù)據(jù)挖掘向?qū)? HYPERLINK l bookmark43 o Current Document 7挖掘模型108部署119貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖1110數(shù)據(jù)挖掘預(yù)測(cè)12 HYPERLINK l bookmark46 o Current Document 11第一次挖掘模型預(yù)測(cè)13 HYPERLINK l bookmark49 o Current Document 12第二次挖掘模型預(yù)測(cè)13 HYPERLINK l bookmark52 o Current Document 13第三

4、次挖掘模型預(yù)測(cè)14貝葉斯網(wǎng)絡(luò)一、貝葉斯概率基礎(chǔ)1先驗(yàn)概率、后驗(yàn)概率和條件概率先驗(yàn)概率：根據(jù)歷史的資料或主觀判斷所確定的各種時(shí)間發(fā)生的概率 后驗(yàn)概率：通過貝葉斯公式，結(jié)合調(diào)查等方式獲取了新的附加信息， 對(duì)先驗(yàn)概率修正后得到的更符合實(shí)際的概率條件概率：某事件發(fā)生后該事件的發(fā)生概率2條件概率公式條件概率公式:尸以3)=(們(/)()3全概率公式列0 =支尸(我)尸以皿)f 14貝葉斯公式交尸(K)/(刀|依)i=l獨(dú)立互斥且完備的先驗(yàn)事件概率可以由后驗(yàn)事件的概率和相應(yīng)條件 概率決定二、貝葉斯網(wǎng)絡(luò)概述貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)，而貝 葉斯公式則是這個(gè)概率網(wǎng)絡(luò)的基礎(chǔ)。貝葉斯網(wǎng)

5、絡(luò)是基于概率推理的數(shù) 學(xué)模型，所謂概率推理就是通過一些變量的信息來獲取其他的概率信 息的過程，基于概率推理的貝葉斯網(wǎng)絡(luò)(Bayesian network)是為了解決 不定性和不完整性問題而提出的，它對(duì)于解決復(fù)雜設(shè)備不確定性和關(guān) 聯(lián)性引起的故障有很的優(yōu)勢(shì)，在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)，而貝 葉斯公式則是這個(gè)概率網(wǎng)絡(luò)的基礎(chǔ)。貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù) 學(xué)模型，所謂概率推理就是通過一些變量的信息來獲取其他的概率信 息的過程，基于概率推理的貝葉斯網(wǎng)絡(luò)(Bayesian network)是為了解決 不定性和不完整性問題而提出的，它對(duì)于解決復(fù)雜設(shè)備不確

6、定性和關(guān) 聯(lián)性引起的故障有很的優(yōu)勢(shì)，在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。三、Sql server 2008中的貝葉斯網(wǎng)絡(luò)應(yīng)用1 在 SQL Server 2005 中建一個(gè)新的數(shù)據(jù)庫 BayesDatabase, 如圖所示。DFP-PCSQL.Baye5D.ase - dbo.Tatle_2DFP-PCSQLBe允許Null值列名數(shù)據(jù)類型markintOAintSin+ D；intDFP-PCQL.BayD.a- dborTable_2 DFP-PtAQL.Esy&D.ase - dtmarkASD卜1111112L11310114ia10115iiL06ioUQ17i010810LI1gQLI1101

7、1110*瀏心E-* 黑況隔為皿3建立BayesA中的數(shù)據(jù)連接，連接到數(shù)據(jù)庫BayesDatabase刪徐(L)Integrated Providar*數(shù)括源向?qū)Щ诹硪?臘劍硅數(shù)據(jù)閶可M 庭s|鼠淮選擇如何定義連接探司總方式可曜擇，以便數(shù)據(jù)廚打具囹2符買進(jìn)行定Dato SourceDFP-PCSQLSQLNCUlO.i下一步網(wǎng))3Initial Catal.DFP-PCSQL.B ayesDataba&e4建立BayesA中的數(shù)據(jù)源視圖，在建立視圖的過程中選擇數(shù)據(jù)庫中的表格Table_25創(chuàng)建挖掘結(jié)構(gòu)Micro soft Naive Eayes創(chuàng)建外市挖據(jù)模型的全萸成 g六數(shù)括挖據(jù)向?qū)?chuàng)蓮宙

8、有窗網(wǎng)的謎洞噩M說明:取潔MicFo50ft Ndivc Bdy尊法將所有箍人劇官看乍是翹立的，并計(jì)算每K人辱性癌口預(yù)旋唇性直的概率. 幡法可用？通 無法螭涌的數(shù)據(jù)使真法的列表.請(qǐng)旎果低夜的是正魂Y Analysis Services服務(wù)器實(shí)例,并且 名為Iwalhst的Analysis Services用務(wù)器正在運(yùn)行且磋正 悠可以使用朦認(rèn)的數(shù)據(jù)瓣算法列下一i(N)=-上一步創(chuàng)建數(shù)據(jù)潮結(jié)桐指定是舌I尋即建挖握模坦并選擔(dān)最劇的技術(shù)。完哉閂-6數(shù)據(jù)挖掘向?qū)邶g皿吉構(gòu)：哀/列疆 橘壓|B: oj孕B草匐偵 回回回由-Tiable_2a口 可！同 TOC o 1-5 h z 口口限 I-”函”mark回口口三口既同為當(dāng)汕隹定的可曲H，內(nèi)咎舟也瓦心遷犯u上一步下一步(JN) 購肖上挖掘結(jié)構(gòu)、控掘模型.咨聞蠶7挖掘模型51葉斯風(fēng)咨.d mm【投計(jì)Bay&5 Database.dsv段計(jì)起治寞乩挖薜程型查看器容J挖掘淮磅性囹蕓1援掘程抖F倒IIM l cr oe o ft _Naive_BayeEPredictFredictPredict8部署9貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖10數(shù)據(jù)挖掘預(yù)測(cè)11第一次挖掘模型預(yù)測(cè)q垃班汨利度班啜霎I*底班程空更有備|卷1蹬班荏瞞任國(guó)我12第二次挖掘模型預(yù)測(cè)貝葉斯阿笫啟EIT!設(shè)計(jì)Bayes