什麼是BayesiaLab?
建立在貝葉斯網絡定義基礎上的BayesiaLab 8是功能強大的桌面應用程式WindowsLinux / Unix具有高度複雜的圖形用戶介面它為科學家提供了一個全面的「實驗室」環境，用於機器學習，知識建模，診斷，分析，模擬和優化。藉助BayesiaLab，使得許多領域的應用研究人員（不僅僅是計算機科學家）使用貝葉斯網絡變成可能。
BayesiaLab建立在貝葉斯網絡固有的圖形結構的基礎上，並提供了高級的可視化技術來探索和解釋複雜的問題. 無論其定量技能如何，大量的利益相關者都可以參與貝葉斯網絡模型並貢獻他們的專業知識。
什麼是貝葉斯網絡?
貝葉斯網絡由Judea Pearl於1980年代在UCLA發明，是一種數學定義，可以同時表示系統變量之間的多種機率關係。貝葉斯網絡的圖形包含節點（代表變量）和連結節點的有向弧。弧表示節點的關係。
傳統統計模型的格式為y = f（x），而貝葉斯網絡則不必區分自變量和因變量. 而是，貝葉斯網絡近似於所研究系統的整個聯合機率分布。
實踐中的BayesiaLab工作流程
研究人員可以使用BayesiaLab將其領域知識編碼為貝葉斯網絡。另外，BayesiaLab可以純粹從問題域收集的數據中機器學習網絡結構。
與來源無關，貝葉斯網絡成為潛在的，通常是高維問題域的呈現。
然後，研究人員可以使用BayesiaLab在貝葉斯網絡模型內進行「全方位推理」，例如從因到果（模擬）或從果到因（診斷）的原因。
在此基礎上，BayesiaLab提供了廣泛的分析，模擬和優化工具集，為政策制定和決策提供了全面的支持。
在這種情況下，BayesiaLab的獨特之處在於可以區分觀察性推論和因果推論. 因此，決策者可以正確模擬尚未採取行動的後果。
BayesiaLab關鍵特徵
專家知識建模
無監督結構學習
監督學習
觀察推斷
因果推理
診斷、預測和模擬
優化
虛擬現實的支持
BayesiaLab軟體客戶（部分）
