概率图模型笔记(5)——structured CPDs

5.1 overview

5.1.1 提出问题
　　由于现实世界很多诸如变量太多、变量之间存在一些关系等情况，扁平化CPD表示方法行不通
5.1.2 解决模型
　　有例如确定性CPDs、树结构CPDs、逻辑CPDs&一般化、含有OR/AND噪声、线性高斯&一般化

5.2 Tree-Structured CPDs

5.2.1 普通树形CPD
　　树形CPD指叶子节点是CPD，内部节点是变量，变量指向CPD或变量，其边被称为弧，注意，该弧和贝叶斯网络的边不同。
　　例如：变量J依赖于A、S、L，其中，当A取0时J有一定的CPD，若A取1时J依赖于S的选择，若S取1时J有一定的CPD，反之S取0时J依赖于L。
5.2.2 普通树形CPD的独立性
　　如果给定证据所构成的路线不连接到某变量，那这个变量在给定的证据下是与最后的变量(即没有变量依赖的变量)独立。
5.2.3 选择型树形CPD
　　假设变量J依赖于变量L1、L2、C，当C取1时J依赖于L1，反之C取0时依赖于L2，则它们构成了一种带有选择性质的树形CPD，这种特殊的CPD有一些特别的性质。
5.2.4 选择型树形CPD的性质
　　(1)在给定变量C和J时，L1与L2相互独立，但如果只给定J，则L1与L2是不独立的，因为构成了V型共同作用迹。