概率图模型

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 

概率图模型(模型表示)


四 高斯网络

机器学习笔记之高斯网络(一)基本介绍_静静的喝酒的博客-CSDN博客_高斯网络

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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
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