İçeriğe geç
parazade
Yapay Zeka

Bayes Ağı Nedir?

İngilizce: Bayesian Network

Yayın: · Son güncelleme:

Bayes Ağı Nedir? Kısaca

Bayes ağı (Bayesian network), rastgele değişkenleri düğümler, aralarındaki koşullu bağımlılıkları ise yönlü oklarla gösteren ve belirsizlik altında olasılık hesaplamaya, eldeki kanıta göre tahminleri güncellemeye yarayan olasılıksal grafik modeldir.

Bayes Ağı nedir?
İçindekiler
  1. Bayes ağı nedir?
  2. Nasıl çalışır?
  3. Kullanım alanları ve sınırlar

Bayes ağı (Bayesian network), bir dizi olayın birbirini nasıl etkilediğini olasılıklarla modelleyen grafik yapıdır. Her düğüm bir değişkeni (ör. "yağmur yağıyor mu?"), her ok ise bir değişkenin diğerini doğrudan etkilediğini gösterir. Grafik yönlüdür ve döngü içermez.

Bayes ağı nedir?

Her düğüm, kendisine ok gönderen "ebeveyn" düğümlere bağlı bir koşullu olasılık tablosu taşır. Bu yapı sayesinde çok sayıda değişkenin ortak olasılık dağılımı, küçük ve yönetilebilir parçalara bölünür. Adını, yeni kanıt geldiğinde olasılıkların nasıl güncelleneceğini anlatan Bayes teoreminden alır.

Nasıl çalışır?

Klasik varsayımsal bir örnek: "Yağmur" ve "Fıskiye açık" düğümleri "Çim ıslak" düğümüne ok gönderiyor. Tablolar, her durumda çimin ıslak olma olasılığını verir.

  • İleri çıkarım: Yağmur yağıyorsa çimin ıslak olma olasılığı nedir?
  • Geri çıkarım: Çim ıslaksa, bunun nedeni yağmur olma olasılığı nedir?

Geri çıkarım, Bayes ağlarını teşhis için güçlü kılar: belirtilerden olası nedenlere gidilebilir. Ayrıca bir neden doğrulandığında diğer olası nedenin olasılığının düşmesi ("açıklayıp götürme") gibi sezgisel akıl yürütmeleri doğal biçimde yakalar.

Kullanım alanları ve sınırlar

Bayes ağları tıbbi karar desteği, arıza teşhisi, risk analizi ve spam filtreleme gibi alanlarda kullanılır. Güçlü yanları, belirsizliği açıkça göstermeleri ve kararların yorumlanabilir olmasıdır.

Öte yandan ağın yapısını ve olasılık tablolarını belirlemek uzman bilgisi ya da bol veri gerektirir. Değişken sayısı arttıkça kesin hesaplama çok zorlaşır ve yaklaşık yöntemlere başvurulur. Ayrıca oklar her zaman nedensellik anlamına gelmez; nedensel çıkarım için ek varsayımlar gerekir.

Sıkça Sorulan Sorular

Bayes ağı ile naive Bayes arasındaki fark nedir?

Naive Bayes, tüm özelliklerin sınıf bilindiğinde birbirinden bağımsız olduğunu varsayan çok basit bir Bayes ağıdır. Genel Bayes ağları ise değişkenler arasında çok daha esnek bağımlılıklar tanımlamaya izin verir.

Bayes ağındaki oklar neden-sonuç ilişkisi mi gösterir?

Her zaman değil. Oklar olasılıksal bağımlılığı gösterir; nedensel yorum yapabilmek için modelin nedensel varsayımlarla kurulmuş olması gerekir.

İlgili terimler

Bayes Teoremi(Bayes' Theorem)Bayes teoremi, bir olayın olasılığının yeni bir kanıt ya da bilgi elde edildiğinde nasıl güncelleneceğini gösteren olasılık kuralıdır. Önsel olasılık, olabilirlik ve kanıtın olasılığını birleştirerek sonsal olasılığı hesaplar.Koşullu Olasılık(Conditional Probability)Koşullu olasılık, bir B olayının gerçekleştiği bilindiğinde başka bir A olayının gerçekleşme olasılığıdır ve P(A|B) ile gösterilir. P(A ve B) / P(B) formülüyle hesaplanır; Bayes teoremi ve pek çok makine öğrenmesi yönteminin temelidir.Naive BayesNaive Bayes, Bayes teoremini kullanarak bir örneğin hangi sınıfa ait olma olasılığının en yüksek olduğunu hesaplayan ve özelliklerin sınıf bilindiğinde birbirinden bağımsız olduğunu varsayan basit ve hızlı bir sınıflandırma algoritmasıdır.Nedensel Çıkarım(Causal Inference)Nedensel çıkarım (causal inference), iki değişken arasında yalnızca birlikte değişme değil, gerçek bir neden-sonuç ilişkisi olup olmadığını ve bir müdahalenin sonucu ne kadar değiştireceğini veriler ve varsayımlar yardımıyla tahmin etme yöntemleridir.Olasılık Dağılımı(Probability Distribution)Olasılık dağılımı, rastgele bir değişkenin alabileceği değerleri ve bu değerlerin ya da değer aralıklarının gerçekleşme olasılıklarını tanımlayan matematiksel bir fonksiyon veya tablodur. Kesikli ve sürekli olmak üzere iki ana türü vardır.Spam Filtreleme(Spam Filtering)Spam filtreleme, istenmeyen toplu reklam, oltalama (phishing) ve zararlı bağlantı içeren e-posta ya da mesajları, kurallar ve makine öğrenmesi modelleriyle tespit edip gelen kutusundan ayıran sistemdir.