目录
0 写在前面
机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。
概率图模型的知识体系非常庞大,在机器人、计算机视觉、推荐系统等领域应用广泛且难度较高,本专栏作为机器学习入门教程重点讲解概率图的基础概念。
本节介绍什么是概率图以及机器学习中的图论基础。
1 智能系统的三大组件
表示、推断和学习是构建智能系统的三个关键组件
- 表示(representation)是对真实世界的建模,主要以计算机可读的形式,合理编码关于系统运行的知识;
- 推断(inference):很多任务需要智能系统利用已有的观测和先验知识去逻辑性地