马尔科夫随机场（MRF）与条件随机场（CRF）

看《统计学习方法》中的条件随机场一章，觉得应该把马尔科夫随机场和条件随机场一起总结一下。

1.马尔科夫随机场

1.1无向图

假设有一组随机变量$Y=\{Y_1, Y_2,...,Y_n\}$, 具有联合概率分布$P(Y)$。此联合概率分布可以由一个无向图$G = (V,E)$来表示。 其中$V$ 和 $E$ 分别是图$G$ 的节点和边。某个节点$v_i \in V$ 代表一个随机变量$Y_i$，而某一条边$e\in E$ 代表连接着的两个随机变量之间的关系。

1.2 无向图的随机变量之间的马尔科夫性

《统计学习方法》中介绍了三种马尔科夫性，分别是成对马尔科夫性，局部马尔科夫性和全局马尔科夫性，这三个概念差不多，这里只介绍成对马尔科夫性。
假设有两个不连接的节点$u$和