概率图模型学习(3)——贝叶斯网与马尔科夫网的关联

1.      从贝叶斯网到马尔科夫网

首先看一个命题和一个定义：

之前理解的无向图模型是既可以从X推Y，也可以从Y推出X，那么表示同一个例子，就该马尔科夫网比贝叶斯网更简单，但是，从上面定义可以看出，马尔科夫网比贝叶斯网更复杂。现在好像有一点明白这是怎么一回事了。

 

以下面这个例子来说明接下来的贝叶斯网络和马尔科夫网络

真的如定义4.1.6所述，将贝叶斯网络中有向边变为无向边，给是同一个节点的父节点的两个点间加无向边，就变成了马尔科夫网络，而这样的马尔科夫网称为此贝叶斯网的正则图。

 

对于无向图模型，并不是像贝叶斯网络那样表示既可以从X的概率推导出Y的概率这样的关系。无向图的变量之间存在一条边就是表示这两个变量之间在当前情况下是有关系的，而这种关系可以用因子来衡量（个人理解）。之所以不用有向表示这种关系，是这种关系并不一定是因果关系上谁能推导出谁。

以

为例，根据d-分离的定义，这是一个v结构，v结构的特点就是不会因中间结点G被观察到而独立，那么也就是说D和I不条件独立，他们之间就是有关系的，因此，他们之间有无向边。D和I之间的因子是通过G被观察到而建立起来的，类似于上一篇讲的因子运算。(D,I)等同于(D,G,I)中G被观察到后简化的马尔科夫结构，而(D,G,I)=(D,G)*(G,I)=P(D|G)*P(I|G)。（不知道理解对没，哈哈，妄自揣测一下大师的意思。）

 

接下来两个命题还不甚明白。难道是共同父结点之间引入了边之后，v-结构的有效性被打破了？

构造马尔科夫网时还有一个准则：“节点X的马尔科夫毯集被定义为其在贝叶斯网中的父节点、子节点、子节点的其他父节点集（注意：是父节点，而非祖先节点）。

 

2.      从马尔科夫网到贝叶斯网

马尔科夫网的任意贝叶斯I-map必须在图中添加构成三角形的边，所以得到的图是弦的。

正则结构Xi->Xj<-Xk，那么Xi和Xk之间没有边。

 

无论是从贝叶斯网到马尔科夫网还是从马尔科夫网到贝叶斯网，都需要引入边来表示原图的关系，而这些边的加入导致某些独立性丢失。

例如从贝叶斯到马尔科夫，V-结构的转换是两父结点之间添加边，从而正则，但v-结构只有在中间节点被观察到，两父节点才不独立，而添加边后，这种部分独立性完全体现不出来。

又如，图4.13(a)，当A给定时，B和C不独立，但图(b)中转化为B与C直接不独立了。所以，靠添加边来做两者之间的转换，好像不是最优选择。

 

3.      团树的概念

无向弦图：无向图中任意长度大于3的环都至少有一个弦。弦是连接环中不相邻的两个点。弦的概念在最开始的基础概念里已经提到过。