机器学习 —— 概率图模型（完结）

　　经过了一段时间的学习，我终于完成了PGM的所有视频课程，但是编程作业并没有结束。最大的体验是手里有了武器和手段，碰见问题不再束手无策或者需要根据自己的直觉经验来设计解决方法。其实按照目前的科技树而言，三种手段在手基本上就不需要担心任何综合型问题了：1、优化理论及方法; 2、深度学习理论；3、概率图模型。有这三种方法则可以对大部分学术问题进行建模，无论什么层面或是类别的问题，总能往这三种框架里塞。简直水文章之神器。

　　1、What is PGM

　　　　PGM 是统计学与机器学习的混合题。其借鉴了统计学的概念以及Intuition，同时使用计算机科学中的数据结构，算法等思想来实现统计学中的概念。

　　2、When we use PGM

　　　　当我们面对的数据不一定准确

　　　　当我们拥有大量的先验知识

　　　　当我们感兴趣的变量不止一个

　　　　当我们需要开拓新的知识

　　3、What we do with PGM

　　　　REPRESENTATION: 构建图的结构

　　　　INFERENCE: 基于已有信息回答感兴趣的问题

　　　　LEARNING:　在合适约束条件下，寻找变量X与变量Y的关系

　　4、How to use PGM

　　　　PGM可以直接拿来应用，已经有很多开源的库和算法，我们只需要设计

　　　　PGM还有待开发，它在效率，设计理论等很多方面都有改进的空间

 

 

我有一把锤子，现在看哪儿都是钉子