2.-Алгоритм-идентификации-байесовской-сети.md

 Для обучения структуры байесовской сети использовался подход, основанный на жадных эвристиках. Псевдокод используемого алгоритма выглядит следующим образом:  
 ![](https://github.com/Anaxagor/BN-based-synthetic-data-/blob/master/img/pseudocode.jpg)  
 
-В результате выполнения алгоритма находится такая структура сети, которая имела бы наибольшее значение оптимизируемой метрики. В качестве такой метрики реализовано две score-функции:
--Mutual information
+В результате выполнения алгоритма находится такая структура сети, которая имела бы наибольшее значение оптимизируемой метрики. В качестве такой метрики реализовано две score-функции:  
 
--K2 
+### -Mutual information  
+![](https://github.com/Anaxagor/BN-based-synthetic-data-/blob/master/img/MI.png)  
+
+где G – структура графа байесовской сети, D – данные, Xi – текущая вершина, 〖Pa〗_Xi^G – родители вершины Xi согласно структуре графа, M – количество строк в данных.   
+  
+### -K2  
+
+![](https://github.com/Anaxagor/BN-based-synthetic-data-/blob/master/img/K2.png)   
+где α_(i,j,s) – параметры распределения Дирихле (для K2 α_(i,j,s)=1),  i – номер вершины, n – количество вершин, j – номер значения родителей вершины, q_i – количество возможных значений родителей, r_i – количество значений переменной i, N_(i,j,s) – число строк в данных, для которых i переменная принимает значение k, а ее родители j. 
+