把贝叶斯网络当做图来描述的
宏观一下,google显示此图
用图表示概率分布,和马尔科夫链甚是有渊源,联想到有人用neo4j图数据库的ER图解决n-gram问题,肯定都是一个套路
给出
p(a,b,c)
的联合分布形式
p(a,b,c)=p(c|a,b)p(a,b)
继续
p(a,b,c)=p(c|a,b)p(b|a)p(a)
得到下图基本表示
条件概率表示中的‘条件′用links链接起来
这里存在一个矛盾,公式里左边是对称的,而右边变成有向的了,看下文。
我们可以想象,如果联合概率分布扩展到k维,很显然会是一个全连接graph,但实际上现实中很大部分是下图表述
分布为
p(x1)p(x2)p(x3)p(x4|x1,x2,x3)p(x5|x1,x3)p(x6|x4)p(x7|x4,x5)
,所以我们可以用图(无环,即DAG(directed acyclic graph))表示任意的概率分布。
对于之前的多项式拟合问题,加上点随机元素,全连接的联合概率分布可以更泛华的表述为
p(t,w|x,α,σ2)=p(w|α)∏n=1Np(tn|w,xn,σ2)
这里的 x 和
这两附图的区别就是多了随机性,也给出了 x 和