【采用】概率图模型在反欺诈的应用（无监督机器学习）

图模型的主要应用场景为欺诈侦测报警，从各个特征出现的频率对异常概率进行预警。概率图模型所涉及到的知识点非常广，所以对读者的基础知识要求也相对较高。

现在借助以下几个问题开始概率图模型的学习：

• 为什么需要概率图模型及其优点？
• 概率图模型都有哪些应用模型？

为什么需要概率图模型?

对于复杂系统理解和拆分，图应当是首选的分析利器。概率图模型就是一类用图形模式表达基于概率相关关系的模型的总称。概率图模型结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。

也就是说，概率图模型是用图来表示实体之间的关联和约束，具体到机器学习领域就是特征和类别、特征和特征之间以及类别和类别之间的关联和约束。

图的表达能力非常强，仅仅用点和线就可以表达实体之间复杂的关系。如果给关联实体的边再加附加上概率，就近一步表达了实体之间关系的强弱和推理逻辑。

概率图模型具体可以给我们带来什么呢？这里可以简单概括一下：

• 分类任务中，借助概率图建立实体之间紧凑的依赖关系，可以减小类后验概率计算所需的参数估计工作量。
• 概率图模型可以很容易与专家和领域知识结合，比如做一些实体之间的独立性假设，简化系统实体之间的依赖关系。

网络结构

概率图模型如图主要分为两种，即贝叶斯网络和马尔可夫网络。

贝叶斯概率图模型是有向图，因此可以解决有明确单向依赖的建模问题，而二马尔可夫概率图模型是无向图，可以适用于实体之间相互依赖的建模问题。这两种