图模型

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.