BayesiaLab 8 贝叶斯网络软件at卡贝软件
什么是BayesiaLab?
建立在贝叶斯网络定义基础上的BayesiaLab 8是功能强大的桌面应用程序WindowsLinux / Unix具有高度复杂的图形用户界面它为科学家提供了一个全面的“实验室”环境，用于机器学习，知识建模，诊断，分析，模拟和优化。借助BayesiaLab，使得许多领域的应用研究人员（不仅仅是计算机科学家）使用贝叶斯网络变成可能。
BayesiaLab建立在贝叶斯网络固有的图形结构的基础上，并提供了高级的可视化技术来探索和解释复杂的问题. 无论其定量技能如何，大量的利益相关者都可以参与贝叶斯网络模型并贡献他们的专业知识。
什么是贝叶斯网络?
贝叶斯网络由Judea Pearl于1980年代在UCLA发明，是一种数学定义，可以同时表示系统变量之间的多种概率关系。贝叶斯网络的图形包含节点（代表变量）和链接节点的有向弧。弧表示节点的关系。
传统统计模型的格式为y = f（x），而贝叶斯网络则不必区分自变量和因变量. 而是，贝叶斯网络近似于所研究系统的整个联合概率分布。
实践中的BayesiaLab工作流程
研究人员可以使用BayesiaLab将其领域知识编码为贝叶斯网络。另外，BayesiaLab可以纯粹从问题域收集的数据中机器学习网络结构。
与来源无关，贝叶斯网络成为潜在的，通常是高维问题域的呈现。
然后，研究人员可以使用BayesiaLab在贝叶斯网络模型内进行“全方位推理”，例如从因到果（模拟）或从果到因（诊断）的原因。
在此基础上，BayesiaLab提供了广泛的分析，模拟和优化工具集，为政策制定和决策提供了全面的支持。
在这种情况下，BayesiaLab的独特之处在于可以区分观察性推论和因果推论. 因此，决策者可以正确模拟尚未采取行动的后果。
BayesiaLab关键特征
专家知识建模
无监督结构学习
监督学习
观察推断
因果推理
诊断、预测和模拟
优化
虚拟现实的支持
BayesiaLab软件客户（部分）
