一 概率图分类
对于概率图模型(Probabilistic Graphical Model,PGM):
1.如果随机变量是离散的,可以分为贝叶斯网络(Bayesian Network)(有向图)和马尔科夫网络(Markov Network)(无向图)
2.如果随机变量是连续的,我们把概率图模型称为高斯网络,它是假设随机变量服从高斯分布。它又可以进一步划分为高斯贝叶斯网络(Gaussian Bayesian Network,GBN)和高斯马尔科夫网络(Gaussian Markov Network,GMN)
二 马尔可夫性
如果p(X,Y|Z)=p(X|Z)p(Y|Z),则称事件X,Y对给定事件Z是条件独立的,称为马尔科夫性
三 贝叶斯网络和马尔科夫网络
四 高斯网络