图作为分类器的输出

Question

看起来我有一个非常普通的任务，但我错过了一些可以帮助我查找信息的关键字。所以我说明我的任务。

有人。每个人都知道一组变量。一对人P1和P2可以在下列关系之一（这是类）：

1. 亲子
2. 兄弟姐妹
3. 合作伙伴（在显著的）
4. 其他（一些间接亲属或非亲属）

通过选择具有已知关系的对（Pi，Pk）的一些变量，我可以训练一个朴素贝叶斯分类器来预测类。这很好。

现在。我有一组人P1，P2，... Pm，我需要构建代表家族树的最可能的图。我可以两两使用贝叶斯分类器，但在这种情况下，我不会使用很多存储在图形/多个节点组合中的信息。

例如，给出了节点P1，P2，P3和P4。我的贝叶斯分类器认为0.9的概率很高，P2是P1的父亲，P4是P3的父亲。就P1和P3之间的关系而言，它对于兄弟姐妹返回p = 0.31，对于伙伴则返回p = 0.34，因此结果相当不可靠。现在，如果P2和P4之间关系的分类产生具有0.7的好概率的“伙伴”，我可以更确定P1和P3实际上是兄弟姐妹。另一方面，如果P2和P4是概率为0.8的“其他”，那么我认为P1和P3是伙伴是比较安全的。

我可以手动编写这个逻辑，但我认为有更多的案例和逻辑依赖关系，尤其是如果我们想为10到20个人建立一个关系图。因此，我想使用某种分类器或分类器系统。

但是这个分类器系统的输出结果不是二进制或标量值，而是整个图表。我可以使用什么或从哪里开始寻找？

谢谢！

Answer 1

你想要一些做某种structure learning。就像图形比比特复杂得多，结构学习比分类复杂得多。

您可能想要找到一个最大后验（MAP）族树，并根据您的个人关系的概率知识。根据你的知识，MAP是最可能的任务。计算概率相关项目之间关系的一般问题称为probabalistic inference，或者有时只是推理。

我不知道你是否可以访问最近完成的probabilistic graphical models课程的课程材料，但这是很好的学习。