更改

概率图模型 (查看源代码)

2021年1月10日 (日) 22:37的版本

添加241字节、 2021年1月10日 (日) 22:37

无编辑摘要

第1行：第1行： −

~~此词条暂由Yuling翻译，未经人工整理和审校，带来阅读不便，请见谅。~~

+

{{#seo:

+

|keywords=概率图模型,图模型,结构化概率模型

+

|description=是一种用图表示随机变量之间条件依赖关系的概率模型。

+

}}

+

'''图模型 Graphical Model''','''亦称概率图模型 Probabilistic Graphical Model（PGM）'''或'''结构化概率模型 structured probabilistic model'''，是一种用图表示随机变量之间条件依赖关系的概率模型。它们通常用于概率论、统计学，尤其是[[贝叶斯统计学]]和[[机器学习]]。

−

'''<font color="#ff8000">图模型 Graphical Model</font>''','''亦称<font color="#ff8000">概率图模型 Probabilistic Graphical Model（PGM）</font>'''或'''结构化概率模型 structured probabilistic model'''，是一种用图表示随机变量之间条件依赖关系的概率模型。它们通常用于概率论、统计学，尤其是[[~~贝叶斯统计学]]~~和~~[[机器学习~~]]。

+

[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]

−

[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]

==图模型的类别==

一般来说，概率图模型中图的表示方法常常作为对多维空间上的分布进行编码的基础，而图是一组独立分布的紧凑或分解表示。常用的概率图模型大致分为两类：贝叶斯网络和马尔可夫随机场。这两种都包含因子分解和独立性的性质，但是它们在它们可以编码的一系列独立性和它们所诱导的分布的因子分解上有所不同。 <ref name=koller09>{{ cite book|author=Koller, D.|author2=Friedman, N.|title=Probabilistic Graphical Models|url=http://pgm.stanford.edu/|publisher=MIT Press|location=Massachusetts|year=2009|pages=1208|isbn=978-0-262-01319-2|archive-url=https://web.archive.org/web/20140427083249/http://pgm.stanford.edu/|archive-date=2014-04-27|url-status=dead}}</ref>

+

===贝叶斯网络===

第46行：第50行：

* A [[restricted Boltzmann machine]] is a [[Bipartite graph|bipartite]] [[generative model]] specified over an undirected graph.

−

第98行：第101行：

* [https://www.cs.cmu.edu/~epxing/Class/10708/ Probabilistic Graphical Models taught by Eric Xing at CMU]

+

----

+

本中文词条由[[用户:|用户:]]翻译，[[用户:|用户:]]、[[用户:Lux Cicero|Lux Cicero]]审校，[[用户:薄荷|薄荷]]欢迎在讨论页面留言。

+

'''本词条内容源自公开资料，遵守 CC3.0协议。'''

[[Category:贝叶斯统计]]

[[Category:图模型]]

薄荷

7,129

个编辑