概率图模型家族(HMM、MaxEnt、MEMM和CRF)

目录

概率图(Probabilistic Graphical)

有向概率图

无向概率图

隐马尔科夫模型(HMM)

最大熵模型(MaxEnt)

最大熵马尔科夫模型(MEMM)

 条件随机场(Conditional Random Field)

一般CRF

一般CRF参数化

线性链CRF

线性链CRF参数化

总结

简单应用——基于CRF地名识别


        隐马尔科夫模型(Hidden Markov Model,HMM)、最大熵模型(Maximum Entropy Model,MaxEnt)、最大熵马尔科夫模型(Maximum Entropy Markov Model,MEMM)和条件随机场(Conditional Random Fields,CRF)都是概率图模型(Probabilistic Graphical Model,PGM),在翻阅了很多此类模型的文章后,有很多收获,但它们比较分散,决定将其记录在一篇文章中。此文完成后,仍有很多细节不尽人意,但是知识的熟悉是循序渐进的,后面有新的理解慢慢加入。遂成此文。

        我们先从概率图说起。

概率图(Probabilistic Graphical

        概率图通俗来说,就是使用图来表示概率。在很多的应用场景中,我们都需要计算事件发生的联合概率,比如如下一段文档:

        概率图模型是用图来表示变量概率依赖关系的理论,结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。概率图模型理论分为概率图模型表示理论,概率图模型推理理论和概率图模型学习理论。近10年它已成为不确定性推理的研究热点,在人工智能、机器

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

leboop-L

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值