PGM(概率图模型)
文章平均质量分 94
ThitherShore
Think Big and Work Hard.
展开
-
机器学习(周志华)习题解答4.3: Python小白详解ID3决策树的实现
我是刚刚学python,所以尽我所能十分详细地解释了几乎每个步骤……希望和我一样的新手可以从中获益。本文以周志华《机器学习》习题4.3为例,用python实现了ID3决策树的构建和绘图。原创 2016-08-30 00:29:54 · 9562 阅读 · 9 评论 -
概率图模型: Coursera课程资源分享和简介
本博客概率图模型(Probabilistic Graphical Model)系列笔记以 Stanford 教授 Daphne Koller 的公开课Probabilistic Graphical Model为主线,结合资料(每篇博文脚注都附有链接)加以补充. 博文的章节编号与课程视频编号一致,详情见 PGM(概率图模型)Coursera: 课程资源分享和简介. 笔记持续更新,为便于对照课程原创 2016-08-11 19:29:03 · 27371 阅读 · 45 评论 -
概率图模型(01): 概述 & 三种分布 (边缘 & 联合 & 条件)
本博客中概率图模型(Probabilistic Graphical Model)系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线,结合资料(每篇博文脚注都附有链接)加以补充. 博文的章节编号与课程视频编号一致,详情见 PGM(概率图模型)Coursera: 课程资源分享和简介. 笔记持续更新.原创 2016-08-12 16:04:28 · 30224 阅读 · 8 评论 -
概率图模型(02)下: 贝叶斯网两等价观点(条件独立和因子分解)
本文将继续贝叶斯网络基础的讲解,主要目的在于诠释包括概率图的两种等价观点,即条件独立和因子分解(Independence 和 Factorization)的等价性; 解释 d-分离 和 I-Map 的概念,并介绍伯努利和多项式这两种朴素贝叶斯分类器。原创 2016-08-15 10:38:51 · 8529 阅读 · 5 评论 -
概率图模型(02)上: 贝叶斯网中独立关系(因子分解 & 影响流动)
本文主要讲解了贝叶斯网络基础(Bayesian Network Fundamentals)相关知识,包括推断的形式(Reasoning Patterns),网络中概率影响的流动性(Flow of Probabilistic Influence),和有效迹(Active Trail)的定义,并举例讲解 V 型结构(V-structure)中的四种双边迹。原创 2016-08-15 10:07:11 · 10945 阅读 · 0 评论 -
概率图模型(03): 模板模型(动态贝叶斯, 隐马尔可夫和Plate模型)
本文介绍模板模型,分别讲解基于时间建模的时序模型:涉及动态贝叶斯,隐马尔科夫模型;和基于对象的建模的 Plate 模型。并结合案例举例讲解模型如何应用。原创 2016-08-21 18:54:21 · 9118 阅读 · 1 评论 -
概率图模型(07): 从思路到模型(Knowledge Engineering)
从有向图到无向图,从全局分布到局部概率模型,前面课程已经介绍了多种模型和模型表示。如何将这些零散的知识结合起来,构建一个可以解决实际问题的模型呢?现在我们 take a big step back,来看看建模的思路方法和注意事项。原创 2016-08-22 16:44:16 · 1959 阅读 · 0 评论 -
概率图模型(06): 概率图双重对偶视角 || 马尔可夫网 & 条件随机场及应用
独立关系和因子分解的等价性,MNs 和 BNs 的转化,概率图统一(有向或无向)的对偶双重视角 || 成对马尔科夫网,吉布斯分布,条件随机场,对数线性模型,Ising 模型,度量马尔可夫随机场,作为模板的共同特征提取 || 图像去噪,图像分割,三维重建,以及自然语言处理中 CRFs 的应用原创 2016-08-22 13:32:45 · 4440 阅读 · 5 评论 -
概率图模型(05): 揭示局部概率模型, 稀疏化网络表示(Structured-CPDs)
本文讨论局部概率模(Structured-CPDs)。探索网络的局部结构(CPDs),理清条件概率分布中父节点变量间的关系,会发现更多好的独立性质,以此稀疏化网络的表示。同时对于连续变量,也避免了全概率分布表难以表达网络联合分布的问题。原创 2016-08-22 10:58:38 · 5661 阅读 · 0 评论