一.概率图模型
1.概率模型:
一种描述框架,将学习任务归结于计算变量的概率分布;
2.推断inference :
利用已知变量推测未知变量的分布
所关心的变量集合为Y
可观测的变量集合为O
其他的变量集合为R
(1)"生成式"generative模型:考虑联合分布 P(Y,O,R)
(2)"判断式"descriminative判别模型:考虑条件分布P(Y,R|O)
给定一组观测变量值,推断就是要由P(Y,O,R),或P(Y,R|O)得到条件概率分布P(Y|O)
3.能否直接利用概率求和规则消去变量R?
答:
(1)即使属性是0,1变量,复杂度至少为O(2|Y| + R);
(2)属性变量之间往往存在复杂的联系;
4.概率图模型
概率图模型就是一种有效的方式去解决概率模型问题,它是一个用图来表达变量相互关系的概率模型。它以图为表示工具,就是说用一个结点来表示一个或一组随机变量。
结点之间的边就表示变量间的概率的相关关系,这样就变成了变量的关系图。
根据边的性质不同,概率图模型又可以大致分为两类
(1)使用有向无环图,来表示变量间的依赖关系,也称为有向图模型或贝叶斯网。
(2)使用无向图,来表示变量间的相关关系,称为无向图模型或马尔科夫网
参考:
【1】数据结构:图概念与基本图实现 数据结构:图概念与基本图实现 - SegmentFault 思否