【机器学习】概率图模型（贝叶斯网、隐马尔可夫模型HMM）

若变量间存在显式的因果关系，常使用贝叶斯网。

若变量间存在相关性但难以获取显式的因果关系，常使用马尔可夫网。

一、贝叶斯网

 

贝叶斯网 亦称“信念网”它借助有向无环图来刻画属性间的依赖关系，并使用条件概率表

来表述属性的联合概率分布。

---

 

二、隐马尔可夫模型

1、马尔可夫模型

例子：

2、隐马尔可夫模型

3、隐马尔可夫模型三种类型的问题

• 评价问题

前向算法：

后向算法：

• 解码问题

维特比算法：

Viterbi算法是每次记录到当前时刻，每个观察标签的最优序列，如下图，假设在t时刻已经保存了从0到t时刻的最优路径，那么t+1时刻只需要计算从t到t+1的最优就可以了，图中红箭头表示从t时刻到t+1时刻，观测标签为1，2，3的最优。

每次只需要保存到当前位置最优路径，之后循环向后走。到结束时，从最后一个时刻的最优值回溯到开始位置，回溯完成后，这个从开始到结束的路径就是最优的

• 学习问题

鲍姆-韦尔奇算法流程：