文章目录
- 9 概率图模型【手写笔记】
- 9.1 背景介绍
- 9.2 贝叶斯网络（Bayesian Network）——有向图网络
- 9.3 马尔可夫网络（Markov Network）——无向图网络
- 9.4 Inferce（推断）——求解后验
- 9.5 更多的图的概念
9 概率图模型【手写笔记】
9.1 背景介绍
简单来说，概率图由“概率”与“图”组成
为了方便图上的概率计算，本文将图分为几类，同时为每种图定义了一些性质。
9.2 贝叶斯网络（Bayesian Network）——有向图网络
下文将列出贝叶斯网络的定义与其在网络中所拥有的性质：
9.3 马尔可夫网络（Markov Network）——无向图网络
与Bayesian Network一样，Markov Network也定义了一些性质：
9.4 Inferce（推断）——求解后验
推断是概率图模型最核心的问题，Inferce就是通过各种方法求解出后验。而后验的分布就是概率图模型的目的。
下面给出Inferce的内容与一些基础的方法：
9.5 更多的图的概念
除了像直接的有向图和无向图之外，为了方便现实情况的计算，我们还建立了一些图，保证在一定的程度下让图与图之间可以进行转换：
