本页使用了标题或全文手工转换

圖模式

维基百科,自由的百科全书
跳转至: 导航搜索

機率論統計學機器學習中,圖模式是用圖論方法以表現數個獨立隨機變數之關聯的一種建模法。其圖中的任一節點為隨機變數,若兩節點間無邊相接則意味此二變數彼此條件獨立。

兩種常見的圖模式是具有向性邊的圖及具無向性邊的圖。 若為具有向性邊的圖,該圖顯示了所有隨機變數的合成機率函數的因子分割。

概率图模型被广泛地应用于概率论数理统计等学科,特别是贝叶斯概率机器学习中。

类型[编辑]

广义上,概率图模型通过构造基于图的表达来描述多维空间上的概率分布。图的节点和边描述了该分布不同变量之间具有的条件独立性质的集合。根据图的有向性,概率图模型可以分成两大类,分别是贝叶斯网络马尔科夫网络。这两类网络均具有因子化和条件独立的性质,但条件独立的类型和将分布因子化的方式有所不同。[1]

參見[编辑]

腳注[编辑]

  1. ^ Koller; Friedman (2009). Probabilistic Graphical Models. Massachusetts: MIT Press. ISBN 0-262-01319-3.

參考資料[编辑]