베이지안 네트워크는 확률적 방향성 비순환 그래픽 모델(probabilistic directed acyclic graphical model), 베이즈 네트워크(Bayes Network), 빌리프 네트워크(Belief Network), 베이지안 모델(Bayesian Model) 등 여러 가지 이름으로 들어보았을 것이다. 베이지안 네트워크는 변수나 모수 집합을 바탕으로 확률에 근거하여 결과를 예측할 수 있다. 변수들은 어떤 변수의 결과값이 다른 변수의 결과 확률에 영향을 미치도록 연결되어 있다. 베이지안 네트워크는 그래프 이론과 확률 이론을 결합한 것으로 복잡성과 불확실성을 편리하게 다룰 수 있다.
이 장에서는 베이지안 네트워크가 산업 분야에서 어떻게 이용되는지 알아보고 간단히 다뤄보겠다. 간단한 개념을 숙지하고, 이 분야에서 여러분의 학습 영역을 넓혀가 보자.
4.1 조종사부터 클리피까지
베이지안 네트워크는 불확실성이 작용하는 곳이면 어디에서나 볼 수 있다. 불확실성은 많은 곳에 있으며, 불확실성이 있는 곳에는 확률도 같이 있다.
일례로 일기예보와 스톡옵션 예측을 들 수 있다. 금융계는 데이터가 완전하지 않은 경우에도 베이지안 네트워크를 사용하여 합리적인 예측을 만들어낸다. 베이지안 네트워크는 보험, 은행, 투자 회사 같은 곳에서는 완벽한 도구다. 다음은 베이지안 네트워크가 활용되는 예다.
• 중국 난징대학교의 항공대학은 항공기의 안전을 위협하는 연착 요인을 베이지안 네트워크로 측정한다.
• 1993년 마이크로소프트 리서치 프로젝트의 일환으로 뤼미에르(Lumiere) 프로젝트가 탄생하였다. 프로젝트의 목표는 사용자를 도울 수 있는 플랫폼 개발이었다. 나중에는 상업 항공기의 조종사 정보 시스템, 미국 항공우주국(NASA)의 항공 기관사 데이터 표시, 마이크로소프트 오피스의 길잡이(clippy, 클리피)에 사용되었다(그렇다. 클리피는 베이지안 네트워크다).
Note ‘베이지안 네트워크’라는 말은 주디아 펄(Judea Pearl)이 서로 직접적으로 연관된 네트워크에서 정보를 업데이트하기 위해 베이즈 이론에 의존하는 네트워크의 측면을 강조하고자 처음 만들었다.
베이지안 네트워크를 구현하려면 우선 그래프, 확률, 토마스 베이즈(Thomas Bayes)에 대해 알아야 한다. 그러고 나서 모두 하나로 묶을 수 있다.