说明:文章内容可能随时修改。
=======================================================
图模型有两种:有向图模型和无向图模型,前者即是贝叶斯网络,后者则是马尔可夫随机场(MRF)。
对于有关概率的问题,最基本的就是全概率公式——求和法则,和乘法公式——乘法法则,所有的概率推断或者学习方法,其实都是反复使用这两个法则的过程。在图模型的问题中,也是这样。
图模型要解决的一个问题,就是如何对一个联合分布进行分解。
图模型表达的内容,就是不同分布之间的关系——依赖或者独立。
其中条件独立性是一个基础的知识。
对于同一个问题,有时候可以建立出不同的图模型,它们所需要的参数个数有时候相差很大。
图模型中所反映的独立性,有的是一般的两个变量之间的独立性,有的是条件独立性,如何挖掘这一信息,也是非常重要的一点。
参考资料
Bishop, C. M. (2006). Pattern Recognition and Machine Learning: Springer.