Bayesian networks: basic setup Graphical structure: DAG 6 - - PowerPoint PPT Presentation

bayesian networks basic setup
SMART_READER_LITE
LIVE PREVIEW

Bayesian networks: basic setup Graphical structure: DAG 6 - - PowerPoint PPT Presentation

UUvUG workshop Credal networks an overview of different approaches Jasper De Bock 11 June 2013 Bayesian networks: basic setup Graphical structure:


slide-1
SLIDE 1

Jasper ¡De ¡Bock ¡

Credal ¡networks ¡

an ¡overview ¡of ¡different ¡approaches ¡

UUvUG ¡ ¡

workshop ¡

11 ¡June ¡2013 ¡

slide-2
SLIDE 2

§ Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

Bayesian ¡networks: ¡basic ¡setup ¡

2 ¡ 1 ¡ 4 ¡ 6 ¡ 7 ¡ 5 ¡ 3 ¡ 8 ¡

slide-3
SLIDE 3

§ Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡

Bayesian ¡networks: ¡basic ¡setup ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

slide-4
SLIDE 4

§ Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡

Bayesian ¡networks: ¡basic ¡setup ¡

§ Local ¡uncertainty ¡models: ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡

Example: ¡q(X4|x{2,3}) ¡ ¡ X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

slide-5
SLIDE 5

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡ § Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡

Bayesian ¡networks: ¡basic ¡setup ¡

§ Local ¡uncertainty ¡models: ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡ § Independence ¡assumpRons: ¡

∈ ∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

slide-6
SLIDE 6

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡ § Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡ § Local ¡uncertainty ¡models: ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡ § Independence ¡assumpRons: ¡

∈ ∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

Bayesian ¡networks: ¡joint ¡model ¡p(XG) ¡? ¡

slide-7
SLIDE 7

Bayesian ¡networks: ¡joint ¡model ¡p(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

§ Independence ¡assumpRons: ¡

? ¡

p(xN(s)|xP(s),xs) ¡ ¡= ¡ ¡p(xN(s)|xP(s)) ¡ ¡ ¡

EQUIVALENT ¡

p(xs|xP(s),xN(s)) ¡ ¡= ¡ ¡p(xs|xP(s)) ¡ ¡ ¡

slide-8
SLIDE 8

Bayesian ¡networks: ¡joint ¡model ¡p(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

§ Independence ¡assumpRons: ¡

? ¡

p(xN(s)|xP(s),xs) ¡ ¡= ¡ ¡p(xN(s)|xP(s)) ¡ ¡ ¡

EQUIVALENT ¡

§ Local ¡uncertainty ¡models: ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡ p(xs|xP(s),xN(s)) ¡ ¡= ¡ ¡p(xs|xP(s)) ¡ ¡ ¡

slide-9
SLIDE 9

Bayesian ¡networks: ¡joint ¡model ¡p(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

§ Independence ¡assumpRons: ¡

? ¡

p(xs|xP(s),xN(s)) ¡ ¡= ¡ ¡p(xs|xP(s)) ¡ ¡ ¡ § Local ¡uncertainty ¡models: ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡ = ¡ ¡q(xs|xP(s)) ¡ ¡ ¡ = ¡

slide-10
SLIDE 10

Bayesian ¡networks: ¡joint ¡model ¡p(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡ p(xs|xP(s),xN(s)) ¡ ¡= ¡ ¡p(xs|xP(s)) ¡ ¡ ¡ = ¡ ¡q(xs|xP(s)) ¡ ¡ ¡ = ¡ p(xG)= ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡q(xs|xP(s)) ¡

s ¡ ¡ ¡G ¡

slide-11
SLIDE 11

§ Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡

Credal ¡networks: ¡basic ¡setup ¡

§ Local ¡uncertainty ¡models: ¡ credal ¡sets ¡M(Xs|xP(s)) ¡? ¡ § ? ¡Independence ¡assump>ons ¡? ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Closed ¡and ¡convex ¡set ¡of ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡

∀s ¡ ¡ ¡ ¡G: ¡?I?(N(s), ¡s|P(s)) ¡ ∈

slide-12
SLIDE 12

§ Graphical ¡structure: ¡DAG ¡ ¡ ¡s ¡ ¡ ¡ ¡G: ¡P(s), ¡D(s), ¡N(s) ¡

§ Variables ¡Xs ¡take ¡values ¡xs ¡in ¡ a ¡finite ¡non-­‑empty ¡set ¡Xs ¡ ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

§ Local ¡uncertainty ¡models: ¡ credal ¡sets ¡M(Xs|xP(s)) ¡? ¡ § ? ¡Independence ¡assump>ons ¡? ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Closed ¡and ¡convex ¡set ¡of ¡ mass ¡funcRons ¡q(Xs|xP(s)) ¡

∀s ¡ ¡ ¡ ¡G: ¡?I?(N(s), ¡s|P(s)) ¡ ∈

? ¡

slide-13
SLIDE 13

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

sM(XG) ¡ sM(Xs|xP(s)) ¡ ¡

¡ ¡

¡ ¡ ¡= ¡{p(Xs|xP(s)): ¡p(XG) ¡ ¡ ¡ ¡M(XG)} ¡ ¡ ¡ ¡ ¡ ∈

CondiRoning: ¡

slide-14
SLIDE 14

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

sM(XG) ¡ ¡

Given ¡local ¡ credal ¡set ¡

sM(Xs|xP(s)) ¡ ¡

¡ ¡

¡ ¡ ¡= ¡{p(Xs|xP(s)): ¡p(XG) ¡ ¡ ¡ ¡M(XG)} ¡ ¡ ¡ ¡ ¡ ∈

CondiRoning: ¡

slide-15
SLIDE 15

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

? ¡Independence ¡assump>ons ¡? ¡ § Strong ¡independence ¡ § Epistemic ¡irrelevance ¡ § Epistemic ¡independence ¡

slide-16
SLIDE 16

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

? ¡Independence ¡assump>ons ¡? ¡ § Strong ¡independence ¡ § Epistemic ¡irrelevance ¡ § Epistemic ¡independence ¡

slide-17
SLIDE 17

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡I(N(s), ¡s|P(s)) ¡ ∈

fM(XG) ¡is ¡the ¡convex ¡hull ¡of ¡ ¡ ka ¡set ¡of ¡mass ¡funcRons ¡p(XG) ¡ kthat ¡saRsfy ¡the ¡usual ¡ kindependence ¡assumpRon: ¡

∀s ¡ ¡ ¡ ¡G: ¡SI(N(s), ¡s|P(s)) ¡ ∈

Strong ¡independence ¡

X1 ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

slide-18
SLIDE 18

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Strong ¡independence ¡

∀s ¡ ¡ ¡ ¡G: ¡SI(N(s), ¡s|P(s)) ¡ ∈

Local ¡models ¡M(Xs|xP(s)) ¡ ¡

+ ¡

not ¡unique! ¡ fM(XG) ¡ ¡ X1 ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

slide-19
SLIDE 19

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Strong ¡independence ¡

∀s ¡ ¡ ¡ ¡G: ¡SI(N(s), ¡s|P(s)) ¡ ∈

Local ¡models ¡M(Xs|xP(s)) ¡ ¡

+ ¡

largest ¡soluRon! ¡ The ¡strong ¡extensionfMstr(XG) ¡? ¡

Credal ¡networks: ¡joint ¡model ¡Mstr(XG) ¡? ¡

X1 ¡

slide-20
SLIDE 20

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Strong ¡independence ¡

∀s ¡ ¡ ¡ ¡G: ¡SI(N(s), ¡s|P(s)) ¡ ∈

Local ¡models ¡M(Xs|xP(s)) ¡ ¡

+ ¡

largest ¡soluRon! ¡ The ¡strong ¡extensionfMstr(XG) ¡is ¡the ¡ convex ¡hull ¡of ¡those ¡p(XG) ¡for ¡which ¡ ¡

Credal ¡networks: ¡joint ¡model ¡Mstr(XG) ¡

p(xG)= ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡q(xs|xP(s)) ¡

s ¡ ¡ ¡G ¡

sM(Xs|xP(s)) ¡ ¡ X1 ¡

slide-21
SLIDE 21

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

? ¡Independence ¡assump>ons ¡? ¡ § Strong ¡independence ¡ § Epistemic ¡irrelevance ¡ § Epistemic ¡independence ¡

slide-22
SLIDE 22

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡IR(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡irrelevance ¡

X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

slide-23
SLIDE 23

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡IR(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡irrelevance ¡

fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡ ¡local ¡credal ¡set ¡ ¡

+ ¡

not ¡unique! ¡ fM(XG) ¡ ¡ X1 ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

slide-24
SLIDE 24

Credal ¡networks: ¡joint ¡model ¡Mirr(XG) ¡

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

∀s ¡ ¡ ¡ ¡G: ¡IR(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡irrelevance ¡

X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡ ¡local ¡credal ¡set ¡ ¡

+ ¡

largest ¡soluRon! ¡ fThe ¡irrelevant ¡(natural) ¡extension ¡ fMirr(XG) ¡? ¡

slide-25
SLIDE 25

Credal ¡networks: ¡joint ¡model ¡Mirr(XG) ¡

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡IR(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡irrelevance ¡

X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡ ¡local ¡credal ¡set ¡ ¡

+ ¡

largest ¡soluRon! ¡ fThe ¡irrelevant ¡(natural) ¡extension ¡ fMirr(XG) ¡is ¡the ¡set ¡of ¡p(XG) ¡for ¡which ¡ ¡ P(Xs|xP(s),xN(s)) ¡ ¡ ¡ ¡ ¡M(Xs|xP(s)) ¡ ¡ ¡

slide-26
SLIDE 26

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

? ¡

? ¡Independence ¡assump>ons ¡? ¡ § Strong ¡independence ¡ § Epistemic ¡irrelevance ¡ § Epistemic ¡independence ¡

slide-27
SLIDE 27

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡EI(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡independence ¡

X1 ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡ fM(XN(s)|xP(s),xs) ¡=sM(XN(s)|xP(s)) ¡ ¡ and ¡

slide-28
SLIDE 28

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡EI(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡independence ¡

X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡? ¡

¡local ¡credal ¡set ¡ ¡

+ ¡

fM(XN(s)|xP(s),xs) ¡=sM(XN(s)|xP(s)) ¡ ¡ and ¡

slide-29
SLIDE 29

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡EI(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡independence ¡

fM(XN(s)|xP(s),xs) ¡=sM(XN(s)|xP(s)) ¡ ¡ and ¡ X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡

Credal ¡networks: ¡joint ¡model ¡M(XG) ¡

¡local ¡credal ¡set ¡ ¡

+ ¡

not ¡unique! ¡ fM(XG) ¡ ¡

? ¡

slide-30
SLIDE 30

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡EI(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡independence ¡

fM(XN(s)|xP(s),xs) ¡=sM(XN(s)|xP(s)) ¡ ¡ and ¡ X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡

Credal ¡networks: ¡joint ¡model ¡Mind(XG) ¡? ¡

¡local ¡credal ¡set ¡ ¡

+ ¡

largest ¡soluRon! ¡ fThe ¡independent ¡(natural) ¡extension ¡ fMind(XG) ¡? ¡

slide-31
SLIDE 31

X2 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

∀s ¡ ¡ ¡ ¡G: ¡EI(N(s), ¡s|P(s)) ¡ ∈

Epistemic ¡independence ¡

fM(XN(s)|xP(s),xs) ¡=sM(XN(s)|xP(s)) ¡ ¡ and ¡ X1 ¡ fM(Xs|xP(s),xN(s)) ¡=sM(Xs|xP(s)) ¡ ¡ ¡local ¡credal ¡set ¡ ¡

+ ¡

largest ¡soluRon! ¡ fThe ¡independent ¡(natural) ¡extension ¡ fMind(XG) ¡is ¡the ¡set ¡of ¡p(XG) ¡for ¡which ¡ ¡ p(Xs|xP(s),xN(s)) ¡ ¡ ¡ ¡ ¡M(Xs|xP(s)) ¡ ¡ ¡

and ¡… ¡(no ¡easy ¡descripRon!) ¡

Credal ¡networks: ¡joint ¡model ¡Mind(XG) ¡? ¡

slide-32
SLIDE 32

Credal ¡networks ¡

X2 ¡ X1 ¡ X4 ¡ X6 ¡ X7 ¡ X5 ¡ X3 ¡ X8 ¡

Ques>ons? ¡

? ¡