Machine-Learning
貝葉斯網絡、神經網絡、決策樹和 Petri 網之間的區別
神經網絡、貝葉斯網絡、決策樹和Petri網之間有什麼區別，儘管它們都是圖形模型並且直觀地描繪了因果關係。
哇，好大的問題！答案的簡短版本是，僅僅因為您可以使用圖表上相似的視覺表示來表示兩個模型，並不意味著它們在結構、功能或哲學上甚至遠程相關。我不熟悉 FCM 或 NF，但我可以和其他人談談。
貝葉斯網絡
在貝葉斯網絡中，圖形表示模型中不同變量的條件依賴關係。每個節點代表一個變量，每個有向邊代表一個條件關係。本質上，圖形模型是鍊式法則的可視化。
神經網絡
在神經網絡中，每個節點都是一個模擬的“神經元”。神經元本質上是開或關的，它的激活由網絡前“層”中每個輸出值的線性組合決定。
決策樹
假設我們正在使用決策樹進行分類。這棵樹本質上為我們提供了一個流程圖，描述了我們應該如何對觀察進行分類。我們從樹的根開始，最終的葉子決定了我們預測的分類。
正如你所看到的，這三個模型除了可以用方框和箭頭表示之外，實際上基本上沒有任何關係。