====== Laboratorium 13 - Sieci Bayesowskie ====== Ćwiczenia bazujące na materiałach Daphne Koller\\ Przed zajęciami przejrzyj wykłady: * [[https://class.coursera.org/pgm-2012-002/lecture/index|Introduction and Overview (Week 1)]] * [[https://class.coursera.org/pgm-2012-002/lecture/index|Bayesian Network Fundamentals (Week 1)]] Pliki do pobrania: {{:pl:dydaktyka:ml:bayes.zip|tutaj}} ===== Lista i opis plików ===== Pliki oznaczone znakiem :!: należy uzupełnić własnym kodem. * //FactorTutorial.m// - plik zawierający opis reprezentacji sieci w środowisku Octave, zawiera tez przykładowe dane i wyniki * //AssignmentToIndex.m// - konwersja pomiędzy danymi a ich indeksem w tabeli reprezentującej rozkład prawdopodobieństwa * //Credit_net.net// - przykładowo uzupelniona sieć z poprzedniego laboratorium (do dodatkowego zadania na końcu) * //GetValueOfAssignment.m// - pobiera wartość prawdopodobieństwa dla danej konfiguracji zmiennych * :!: //ComputeJointDistribution.m// - oblicza prawdopodobieństwo dla całej sieci * :!: //FactorMarginalization.m// - funkcja "wykreślające" i sumuje dane zmienne z tablicy prawdopodobieństwa * //IndexToAssignment.m// - Zwraca przypisanie zmiennych dla danego indeksu z tablicy prawdopodobieństwa * :!: //ComputeMarginal.m// - Oblicz rozkład brzegowy (marginal) dla danej/danych zmiennych * :!: //FactorProduct.m// - Oblicza iloczyn prawdopodobieństw * //ObserveEvidence.m// * //ConvertNetwork.m// - przekształca sieć w formacie SAMIAM do formatu Octave * //SetValueOfAssignment.m// - ustawia wartość prawdopodobieństwa dla danego przypisania zmiennych ===== Wprowadzenie ===== Otwórz plik **FactorTutorial.m** i zapoznaj się ze sposobem reprezentacji sieci w tym ćwiczeniu. Plik ten zawiera również przykładowe wywołania dla funkcji, które powinny zostac wykonane podczas zajęć. Oprócz wywołań, w pliku znajdują się także poprawne odpowiedzi. Po zapoznaniu się z plikiem, pobierz {{:pl:dydaktyka:ml:pgm_programming_assignment_1.pdf|Instrukcję w języku angielskim}} i wykonaj ćwiczenia od 3.1-3.3.