笔记分享｜机器学习·概率图模型

最新推荐文章于 2024-03-22 14:13:36 发布
最新推荐文章于 2024-03-22 14:13:36 发布
阅读量199 收藏 3
点赞数 1
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ming_fan1/article/details/110674513
版权

笔记内容：
绪论：频率模型vs贝叶斯模型
一、概率图模型 ✔️
二、贝叶斯网络 ✔️
三、马尔可夫随机场
四、推断
五、变分推断（系列十二） ✔️
六、MCMC（系列十三） ✔️
七、LDA（徐亦达机器学习：VI for LDA） ✔️

来源是b站某大佬白板推导系列九概率图模型+系列十二变分推断+系列十三MCMC。是一个有强迫症必须不能写歪又努力不跳步又努力让各主题独立的大佬。没有系统看大佬的视频，一般都是看不懂了再找大佬，真的各系列独立！(◐‿◑)

٩(˃̶͈̀௰˂̶͈́)و 系列九 ٩(˃̶͈̀௰˂̶͈́)و系列十二٩(˃̶͈̀௰˂̶͈́)و系列十三٩(˃̶͈̀௰˂̶͈́)وLDA

比较喜欢手写笔记^ _ ^电子版会有很多限制ಠ_ಠ

写纸上我又好怕哪天不见了，就发到这里来喽◉‿◉

这个系列真的好长好长，占个位置，努力看完٩(˃̶͈̀௰˂̶͈́)و

虽然不会有人搬，但是我真的好强的防盗意识(◐‿◑)

一、概率图模型二、贝叶斯网络

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

五、变分推断

在这里插入图片描述
在这里插入图片描述

六、MCMC

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

七、LDA

在这里插入图片描述

J.M_
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
概率图模型（PGM）笔记
02-27
对概率图模型的笔记，包括LDA，word2vec，以及最新的一些算法的研究
MATLAB深度学习笔记（二） 机器学习面临的挑战
01-20
所以机器学习能够成功建立合适的模型的一个前提就是尽可能的使用和实际输入数据集相同的训练数据集。 2 过拟合 在训练数据过程中，会出现一种过度拟合的情况，导致模型在实际使用时候鲁棒性变差。 图2-2 过拟合示意...
概率图模型(总结篇)
咔咔响
01-21 1万+
今天我们对概率图模型（Probabilistic Graphical Model，PGM）做一个总结。模型表示 概率图模型，是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型...
概率图模型的简介
小小何先生的学习之旅
03-13 3500
什么是概率图模型   概率图模型是概率论与图论相结合的产物，为统计推理和学习提供了一个统一的灵活框架。   概率图模型用节点表示变量，节点之间的边表示局部变量间的概率依赖关系。在概率图模型的表示框架下，系统的联合概率分布表示为局部变量势函数的连乘积，该表示框架不仅避免了对复杂系统的联合概率分布直接进行建模，而且易于在图模型建模中引入先验知识。   2012年图灵奖颁给UCLA的Judea Pear...
概率图模型
m0_52287942的博客
03-22 562
伯努利分布朴素贝叶斯多项式分布朴素贝叶斯贝叶斯网络(Bayesian network)，又称信念网络(Belief Network)，或有向无环图模型directed acyclic graphical model)，是一种概率图模型，于1985年由Judea Pearl首先提出。它是一种模拟人类推理过程中因果关系的不确定性处理模型，其网络拓朴结构是一个有向无环图(DAG)。
【周志华机器学习】十四、概率图模型
weixin_42301220的博客
04-10 1983
文章目录参考资料1. 基本概念2. 隐马尔可夫模型（HMM）2.1 隐马尔可夫三大问题1. 第一个问题解法2. 第二个问题解法3. 第三个问题解法3. 马尔可夫随机场（MRF）3.1 MRF性质3.2 势函数4. 条件随机场（CRF）5. 学习与推断5.1 变量消去5.2 信念传播6. LDA话题模型7. 后记7.1 EM算法、HMM、CRF的比较 参考资料 Machine-learning-learning-notes LeeML-Notes ML-NLP 本博客根据周志华的西瓜书和参考资料1、
概率图模型（快速入门必备）
sinat_39616953的博客
04-06 2863
概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。概率图模型理论分为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。近10年它已成为不确定性推理的研究热点，在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。
【深度学习】概率图模型（一）概率图模型理论简介
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
11-26 1290
本文简要介绍了概率图模型理论，包括模型表示【有向图模型（贝叶斯网络）、无向图模型（马尔可夫网络）】、学习、推断等
西瓜书机器学习的学习笔记（十分详细）
06-10
学习了机器学习的基础以及相关理论，颇有收获，并做了相关笔记，对于机器学习有了更为...- 概率图模型 涉及机器学习的基础理论和术语，和一些经典模型与方法。 内容充实详细，不仅有介绍，推理，还有分类以及总结内容。
自己学习机器学习与深度学习的笔记，代码，案例.zip
最新发布
04-17
机器学习可以用于预测未来事件的发生概率或者趋势。例如，金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学： 机器学习在医疗诊断、药物研发、基因组学等领域有着重要...
清华大学-学堂在线-大数据机器学习课件笔记.zip
05-29
清华大学-学堂在线 大数据...adaboost 算法、EM 算法及混合高斯模型、计算学习理论、隐马尔可夫模型和概率图模型、条件随机场、概率图模型的学习与推断、神经网络与深度学习、深度学习正则化方法、深度学习优化方法等。
PGMIntro概率图模型
weixin_43458628的博客
04-14 387
概率图模型 概率图模型使用图的方式表示概率分布。为了在图中添加各种概率，首先总结一下随机变量分布的一些规则： KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ &Sum\ Rule:p(x… 可以看到，在链式法则中，如果数据维度特别高，那么的采样和计算非常困难，我们需要在一定程度上作出简化，在朴素贝叶斯中，作出了条件独立性假设。在 Markov 假设中，给定数据的维度是以时间顺序出现的
机器学习——概率模型
清风拂面
06-23 4440
概述——用一类图来表达变量相关关系的概率模型（概率模型将学习任务归结于计算变量的概率分布） P(A|B)=P(A,B)/P(B)——根据联合概率 P(A,B)推断 P(A|B)的过程 具体说：假定所关心的变量集合为 Y，可观测变量集合为 O，其他变量的集合为 R “生成式”模型：考虑联合分布 P(Y,R,O) ”判别式“模型：考虑联合分布 P(Y,R|O) “推断”——利用已知变量推测...
概率图模型理解
热门推荐
isMarvellous的博客
12-17 1万+
今天在看《Deep Learning》时候看到了概率图模型，但上面并没有详细介绍，考虑到有很多模型其实都是概率图模型，比如贝叶斯网络、隐马尔科夫模型（HMM）、条件随机场（CRF）等等，应用还挺广泛的，于是就去学习一下到底什么是概率图模型。本文主要参考了《Pattern Recognition and Machine Learning》，如果有什么理解不到位的地方，还请大家指教。概述为什么会有概率图
【机器学习6】概率图模型
积少成多
11-15 380
用观测结点表示观测到的数据， 用隐含结点表示潜在的知识， 用边来描述知识与数据的相互关系， 最后基于这样的关系图获得一个概率分布。概率图中的节点分为隐含节点和观测节点， 边分为有向边和无向边。从概率论的角度， 节点对应于随机变量， 边对应于随机变量的依赖或相关关系， 其中有向边表示单向的依赖， 无向边表示相互依赖关系。概率图模型分为贝叶斯网络（Bayesian Network） 和马尔可夫网络（MarkovNetwork） 两大类。
人工智能之概率图模型详解
记录 IT 领域经验与见解的博客
05-17 1248
例如，在信息传播分析中，我们可以构建一个有向图模型，其中节点代表用户，箭头代表信息的传播方向，通过对这个模型进行训练和推断，可以得到一个信息传播模型，用于预测信息的传播路径和传播范围。例如，在文本分类任务中，我们可以构建一个有向图模型，其中节点代表词汇，箭头代表词汇之间的条件概率依赖关系，通过对这个模型进行训练和推断，我们可以得到一个文本分类模型，用于对文本进行分类。无向图模型也是一种基于图形化方式表示随机变量间的依赖关系的方法，不同于有向图模型，无向图模型是建立在无向边上的。箭头表示了条件概率依赖关系。
机器学习基础（七）：概率图模型（HMM、MRF、CRF、话题模型、推断方法）
zero_ling
09-28 1436
7、概率图模型 概率模型probabilistic model：提供一种描述框架，将学习任务归结于计算变量的概率分布，核心是如何基于可观测变量推测出未知变量的条件分布 → ①生成式generative模型：考虑联合分布P(Y,R,O) ②判别式discriminative模型：考虑条件分布P(Y,R|O) 由①或②得到条件概率分布P(Y|O) （Y：所关心的变量集合；O：可观测变量集合；R：其他变量的集合） 概率图模型probabilistic graphical model：一类用图来表达变量相关关系的概
《机器学习》 周志华学习笔记第十四章 概率图模型 python实现
05-17
概率图模型是一种用于表示和处理不确定性的图形化模型，它能够将一个复杂的联合概率分布表示为多个简单的条件概率分布的乘积形式，从而简化概率推理和模型学习的过程。概率图模型主要包括两种类型：有向图模型和无向...

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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