概率图模型(1)——背景

最新推荐文章于 2022-08-22 15:51:51 发布
最新推荐文章于 2022-08-22 15:51:51 发布
阅读量411 收藏
点赞数
分类专栏： 机器学习推导 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38132153/article/details/105709726
版权

概率图模型大致可以分为两种，directed graphical model(又称贝叶斯网络）和undirected graphical model（又称马尔可夫随机场）。
隐马尔可夫模型（HMM）是语音识别的支柱模型，高斯混合模型（GMM）及其变种K-means是数据聚类的最基本模型，条件随机场（CRF）广泛应用于自然语言处理（如词性标注，命名实体识别），Ising模型获得过诺贝尔奖，话题模型在工业界大量使用(如腾讯的推荐系统）。
在这里插入图片描述
参考:https://www.zhihu.com/question/23255632

嘻哈过路人
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
全面解析Kmeans聚类算法（Python）
Python学习与数据挖掘
04-21 4万+
Clustering (聚类) 是常见的unsupervised learning (无监督学习)方法，简单地说就是把相似的数据样本分到一组（簇），聚类的过程. 我们并不清楚某一类是什么（通常无标签信息），需要实现的目标只是把相似的样本聚到一起，即只是利用样本数据本身的分布规律。 在本文中，我将详细介绍聚类算法，喜欢本文记得收藏、关注、点赞。 【注】完整版代码、数据、技术交流文末提供。 聚类算法可以大致分为传统聚类算法以及深度聚类算法： 传统聚类算法主要是根据原特征+基于划分/密度/层次等方法。
10 Directed graphical models (Bayes nets)
最新发布
zzk0126的博客
08-27 134
MLAPP 读书笔记 - 10 有向图模型(Directed graphical models)(贝叶斯网络(Bayes nets)) A Chinese Notes of MLAPP,MLAPP 中文笔记项目 https://zhuanlan.zhihu.com/python-kivy 转载：cycleuser 侵权立删，本意是为广大学习爱好者提供中文资料，同时在这里补充了图片，方便阅读，如果有任何法律问题，我会立即删除。 10.1 概论 以简单方式对待复杂系统的原则,我基本知道两个:首先就是模块化
【人工智能】人工智能是什么？如何入门人工智能？我们为什么要学人工智能？
感谢您的关注！
08-22 2038
这是可能一份最详细的人工智能的介绍，不论你是否有关相关方面的了解，你都可以通过这篇文章去了解人工智能、人工智能的就业方向、人工智能的学习方向等，文章不仅向你提供一份人工智能完整的学习路线，并且会在文章的最后推荐了一些关于人工智能的电影，可以让你在娱乐休闲的同时去了解人工智能的魅力！...
机器学习白板推导 shuhuai008
cztAI的博客
08-04 950
一、概率基础
[好课推荐]机器学习白板推导系列
遗世独立的乌托邦
06-17 852
[好课推荐]机器学习白板推导系列 觉得有用的话,欢迎一起讨论相互学习~ 讲的很认真，对于初学者来说十分友好！！ 本系列主要是对B站up主shuhuai008的机器学习手推系列的整理，下面是视频与对应的github的链接： 视频地址: https://www.bilibili.com/video/BV1aE411o7qd/?spm_id_from=333.788.videocard.0 GitHub： https://github.com/shuhuai007/Machine-Learning-Sess
概率图模型
PKU_ZZY的博客
06-21 982
概率图模型
OpenCV——给图片换背景
03-24
GMM是一种概率模型，可以用来估计图像中静态背景的概率分布。 4. **前景检测**：利用背景模型，可以找出与背景颜色不匹配的像素，这些像素被认为是前景。这可以通过比较每个像素的RGB值与GMM预测的概率来完成。 5....
HMM 隐马尔科夫 概率图
11-02
1. **评估问题**：给定一个观察序列和HMM模型，计算该观察序列由该模型产生的概率。 2. **解码问题**：给定一个观察序列和HMM模型，找出最有可能产生该观察序列的状态序列。 3. **学习问题**：给定一系列观察序列，...
Python-机器学习白板推导系列
08-11
机器学习-白板推导系列
Yolov5的烟火检测——C++实现模型部署
03-09
"Yolov5的烟火检测——C++实现模型部署" 这个标题揭示了我们讨论的核心内容是使用YOLOv5模型进行烟火（火灾）检测，并且这个模型已经被实现在C++环境中，以便在各种平台，如安卓或iOS上部署。 **描述分析：** 描述...
Directed Graphical Models
weixin_43751558的博客
12-20 628
https://personal.utdallas.edu/~nrr150130/gmbook/bayes.html 图形模型提供了联合概率分布的底层结构的可视化表示。正如我们将在下面看到的，这个结构编码了随机变量之间条件独立关系的信息。回想一下，这种独立关系对于理解与给定联合概率分布的表示和推理相关的计算成本非常重要。我们的第一个目标是用这个模型来回答一些简单的问题，例如，“随机变量XA独立于随机变量XB，是否取决于随机变量XC？”或者，“随机变量XA和XB是独立的吗？”虽然这些问题看起来很简单，但到目前
机器学习(白板推导系列) 笔记
wenniebear的博客
08-01 429
本人学习过程的所有资源汇总帖子：汇总帖 资源来源： 所学资源来自b站up主shuhuai008的白板推导系列视频：shuhuai008的b站首页 本人笔记： 白板推导系列（1） 绪论 2021.8.1
概率图模型（GM）
weixin_30508309的博客
04-18 858
概率图模型 概率图模型（Probabilistic Graphical Model，PGM），简称图模型（GraphicalModel，GM），是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型， 从而给研究高维空间中的概率模型带来了很大的便捷性。 高维随机变量的联合概率为高维空间中的分布，一般难以直接建模。在不做任何独立性假设的条件下，模型的参数将随维度的增长呈指数级增长。...
隐马尔科夫模型（HMM）
热门推荐
满腹的小不甘
07-07 3万+
出处：视频截图，b站shuhuai008 目录 代码实现：hmmlearn 1. 背景 1.1 数理统计学两大派 1.2 概率图 2. HMM 2.1 一个模型，两个假设，三个问题 2.2 Evaluation问题 （1）前向 （2）后向 2.3 Learning问题 2.4 Decoding问题 3. 总结 3.1 HMM 3.2 动态模型（Dynamic Mo...
CRF笔记整理
LYK_NLP_AI
10-30 206
CRF_条件随机场 条件随机场笔记整理 参考:shuhuai008(B站UP) 视频链接:https://www.bilibili.com/video/av34444816?from=search&seid=10718729133896518613
高斯分布4——联合概率分布
方悔读书迟
04-02 8230
x满足多维高斯分布，y是x的线性组合加上噪声
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值