机器学习之采样与变分

一、采样
基于采样的推理算法利用的思想是：概率 = 大样本下频率。故在获得图模型以及CPD的基础上，通过设计采样算法模拟事件发生过程，即可获得一系列事件（联合概率质量函数）的频率，从而达到推论的目的。（算不出来就估计一下，可以求先验概率）

1、马尔科夫链
在介绍采样算法之前先介绍下马尔科夫链的原理。假设天气服从马尔科夫链：

则转移矩阵P=(0.9,0.1;0.5,0.5)
那么从今天（假设是晴）开始，在遥远未来的某天，晴阴的概率分别是：

即：

这就说明，不管今天晴阴，很多天之后的晴阴分布收敛到一个固定分布，这个固定分布叫做稳态分布，在很久的未来，每一天天气都是晴阴概率为q