Bayesian Network Builder

我很高兴地宣布Bayesian Network Builder现在在Github上是开源的！它是我在实现Zefiro时开发的一个实用程序，Zefiro是购买旅程的自动驱动程序，现在，它脱离了它的父项目，可能也对其他应用程序有用。你能用它做什么？BnB可归因于一种称为概率编程的软件范式。在软件开发、函数式编程、面向对象编程中有几种范式，每种范式都是为了解决一系列特定的问题。概率规划是解决统计问题的一种范式。像BnB这样的工具使软件开发人员能够在不需要专业统计学家的情况下推断出软件应用中的后验概率。我可以想象你对这个扭曲的后验概率术语的担忧，但我希望我能在文章的结尾让你明白这一点，我从一个例子开始。

你是一家成功的家居装修、园艺、纸巾和卫生用品零售连锁店的软件负责人。尽管大多数顾客都是男性，但babycare产品的低廉价格也为女性带来了不容忽视的上座率。假设男性比女性多出10倍。

你受委托调查商店的顾客，你想推断尽可能多的信息，特别是你想估计顾客在购买一包尿布时是男性还是女性的概率。你可以从搜索一些市场分析平台开始，你会发现，在全球范围内，80%的婴儿纸尿裤购买者是女性。在这些数据中，确认腋下挎着包离开商店的顾客实际上是一名女性，轻淘客旗舰版，听起来可能很现实。有时对直觉的信任被高估了，在这种情况下，我们的答案是错误的。

我喜欢将贝叶斯法则与汽车驾驶相比较。虽然我们对自己向前行驶的能力充满信心，但我们有点不愿意向后行驶，除非只是为了停车或小动作。这同样适用于估计概率。市场分析给出了向前的概率（80%的纸尿裤购买者和10%的商店顾客是女性），大数据应用案例，但我们需要承认向前的概率并向后移动。我们有证据，购买尿布，我们想知道买家的性别。虽然我们的判断在一个方向上更可靠——当涉及到从原因到结果的映射时——但在相反的方向上，从结果到原因，我们的判断肯定不那么可靠。这就是贝耶斯的用武之地。

贝耶斯牧师至今仍以其著名的规则而闻名，那就是我们需要使用从环境中得到的证据，从先前的规则中得到后面的倒挡。有了BnB，你可以通过定义贝叶斯网络的结构，并用我们掌握的证据来计算概率，从而很容易地估计出这样的值：

BnB领域特定语言

良好软件开发的一个方面是可组合性，贝叶斯网络是随机变量、单一概率和条件概率的图，随机变量之间的关系。应用链式规则，大数据分析数据库，沿这些图的节点和边计算后验概率。著名的规则在整个网络中递归应用。在入室盗窃的例子中可以找到一个完整的贝叶斯网络设置。

你正在工作，你的邻居约翰打电话给你说你家的警报器响了，你真的很担心家里有入室盗窃的人，你想估计实际发生这种情况的概率是多少，或者只是一场小地震。

你应该考虑一下你的邻居玛丽没有给你打电话。约翰听到闹钟时总是打电话，但有时会把电话铃和闹钟弄混。玛丽喜欢声音很大的音乐，有时会错过闹钟。在家里发生入室盗窃的概率很小（0001%），而地震的概率仅为这一概率的两倍。报警很好，实时大数据，但不完美，全球云购，有误报和漏报的可能

您可以自己做所有的计算和链式规则，这是一个很好的贝叶斯推理训练，或者您可以使用BnB:

与BnB一起盗窃的例子

如果您有兴趣学习贝叶斯规则和解决有趣的难题，在这里你可以找到一个很好的资源。

吉安卡洛·弗里森是SAP客户体验的技术策略师