如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~
0. 前言
概率图模型是一类用图来表达变量相关关系的概率模型。图中的节点代表变量,图中的边代表变量之间存在某种联系。
贝叶斯网络利用有向无环图DAG来刻画变量之间的依赖关系。 B = < G , θ > B=<G,\theta> B=<G,θ>, B B B表示贝叶斯网络, G G G表示有向无环图, θ \theta θ表示参数,假设变量 x i x_i xi的父节点为 π i \pi_i πi,则 θ x i ∣ π i = P B ( x i ∣ π i ) \theta_{x_i\mid\pi_i}=P_B(x_i\mid\pi_i) θxi∣πi=PB(xi∣πi)。
马尔可夫链:系统下一时刻的状态仅由当前状态决定,不依赖于以往任何状态。
1. 贝叶斯网络结构
贝叶斯网络的联合概率分布定义为:
P B ( x 1 , . . . , x d ) = ∏ i = 1 d P B ( x i ∣ π i ) = ∏ i = 1 d θ x i ∣ π i P_B(x_1,...,x_d)=\prod_{i=1}^dP_B(x_i\mid \pi_i)=\prod_{i=1}^d\theta_{x_i\mid\pi_i} PB(x1,...,xd)=i=1