本文介绍了概率图模型（PGM）的概念，强调其在处理变量间独立性假设问题中的作用。PGM通过图结构可视化概率模型，简化复杂分布中变量的关系和计算。文章提到了PGM的体系框架，并对比了生成模型与判别模型，指出生成模型关注联合概率分布，而判别模型直接学习决策函数。最后，作者预告下篇博客将深入探讨PGM。
这份资料看了好几遍了，终于有点知识框架了，总结一下，方便以后查看。
一、概率图模型（PGM）引入：
在实际应用中，变量之间往往存在很多的独立性假设或近似独立，随机变量与随机变量之间存在极少数的关联。PGM根据变量之间的独立性假设，为我们提供了解决这类问题的机制，PGM是以概率论以及图论为基础，通过图的结构将概率模型可视化，让我们能够了解到复杂分布中的变量之间的关系，也把概率上的复杂计算过程理解为在图上进行信息传递的过程，所以不必要过多的在意复杂的表达式计算。
二、PGM体系框架
三、生成模型与判别模型
今天先记录生成模型与判别模型，下次博客正式进入PGM。
1、
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
