Bayesian

Určete událost a prahovou hodnotu

Nejdřív si definujte situaci, kterou chcete odhadovat, například vaření, sprchování, spánek nebo přítomnost. Základní pravděpodobnost je prior; po započtení pozorování vznikne posterior. Když posterior překročí probability_threshold, senzor se zapne.

Vytvořte pomocníka v UI

Otevřete Nastavení → Zařízení a služby → Přidat integraci, vyhledejte Bayesian a vytvořte senzor. V UI se pravděpodobnosti zadávají v procentech 0 až 100.

YAML používá hodnoty 0 až 1

Při konfiguraci v configuration.yaml zadávejte pravděpodobnosti jako desetinné hodnoty od 0 do 1. Kombinovat můžete stav, numeric state i šablonová pozorování.

binary_sensor:
  - platform: bayesian
    name: Sprchovani
    prior: 0.2
    probability_threshold: 0.8

Model postupně dolaďujte

Začněte malým počtem spolehlivých pozorování. Po několika dnech upravte pravděpodobnosti podle reálného chování domácnosti a vyhněte se tomu, aby jeden nespolehlivý senzor rozhodoval celý výsledek.

Prior, pozorování a threshold

Bayesian senzor kombinuje výchozí pravděpodobnost prior s pozorováními a vypočítá posterior. Když posterior překročí probability_threshold, binární senzor se zapne.

Každé pozorování musí popisovat, jak pravděpodobné je při pravdivém i nepravdivém stavu. Špatné pravděpodobnosti udělají senzor méně spolehlivý než obyčejná pravidla.

Praktické ladění

Začněte s malým počtem pozorování a sledujte pravděpodobnost v různých situacích. Přidávejte další vstupy až po ověření chování.

Bayesian je vhodný pro odhad složitých stavů, například vaření, sprchování nebo přítomnost. Pro jednoduché pravidlo typu dveře otevřené použijte běžný binární senzor nebo automatizaci.

Údržba pravděpodobností

Po několika dnech provozu projděte historii senzoru a upravte prior nebo pozorování podle reálných výsledků. Bayesian senzor potřebuje ladění, jinak bude postupně ztrácet důvěryhodnost.

Pokud uživatelé nechápou, proč se senzor zapnul, přidejte do panelu i hlavní vstupní senzory, ze kterých se pravděpodobnost počítá.