@ 一、贝叶斯网络定义 1.1 贝叶斯网络例子 二、概率影响的流动性 三、贝叶斯网络中的独立性 ...
分类：
其他好文 时间：
2020-07-21 01:24:45
阅读次数：
86
@ 一、马尔科夫随机场定义 二、一个简单的例子 ...
分类：
其他好文 时间：
2020-07-21 01:16:36
阅读次数：
73
@ 一、因子图（factor graph）的定义 二、贝叶斯网络用因子图表示 三、MRF 用因子图表示 ...
分类：
其他好文 时间：
2020-07-21 01:12:46
阅读次数：
75
再一次遇到了Markov模型与条件随机场的问题，学而时习之，又有了新的体会。所以我决定从头开始再重新整理一次马尔科夫模型与条件随机场。 马尔科夫模型是一种无向概率图模型，其与马尔科夫链并不是很一样。马尔科夫链的节点是状态，边是转移概率，是template CPD的一种有向状态转移表达。而马尔科夫模型 ...
分类：
其他好文 时间：
2020-06-04 01:39:11
阅读次数：
78
概率图的一个重要作用是进行推理，针对某个随机变量，告诉我们它到底有没有可能，有多大可能发生。之前在representation相关的内容中，我们更多的关心如何利用概率图减少联合分布的计算量。inference相关的章节就是要介绍如何从联合概率中获得单个随机变量的概率。 1.链状变量消除 对于给定的联 ...
分类：
其他好文 时间：
2020-06-04 01:14:31
阅读次数：
106
CPD是conditional probability distribution的缩写，翻译成中文叫做 条件概率分布。在概率图中，条件概率分布是一个非常重要的概念。因为概率图研究的是随机变量之间的练习，练习就是条件，条件就要求条件概率。 对于简单的条件概率而言，我们可以用一个条件概率表来表达。如图1 ...
分类：
其他好文 时间：
2020-06-04 01:05:05
阅读次数：
74
概率图模型（PGM）是一种对现实情况进行描述的模型。其核心是条件概率，本质上是利用先验知识，确立一个随机变量之间的关联约束关系，最终达成方便求取条件概率的目的。 1.从现象出发 这个世界都是随机变量 这个世界都是随机变量。 第一，世界是未知的，是有多种可能性的。 第二，世界上一切都是相互联系的。 第 ...
分类：
其他好文 时间：
2020-06-04 00:54:47
阅读次数：
133
概率图模型G(V,E)由节点V和边E构成。在之前马尔科夫模型相关的博客中，我谈到马尔科夫模型的本质是当两个人交流后，其意见（两个随机变量）同意0与不同意1的概率组合。而势函数表达的是两个意见相同或者相左的程度。 我们搞的那么麻烦，最后想要得到的不就是每个意见正确与否（随机变量取不同值的概率）吗？与其 ...
分类：
编程语言 时间：
2020-06-04 00:50:28
阅读次数：
122
条件随机场(Conditional Random Fields, 以下简称CRF)是给定一组输入序列条件下另一组输出序列的条件概率分布模型，在自然语言处理中得到了广泛应用。 HMM引入了马尔科夫假设，即当前时刻的状态只与其前一时刻的状态有关，HMM是一种生成式概率图模型，条件随机场（CRF）与HMM ...
分类：
其他好文 时间：
2020-01-14 20:30:15
阅读次数：
77
系统学习机器学习书本知识--每周两章节，列表如下: 1.模式评估与选择 线性模型 2.决策树 神经网络 3.支持向量机 贝叶斯分类器 4.集成学习 聚类 5.降维与度量学习 特征选择与稀疏学习 6.计算学习理论 半监督学习 7.概率图模型 规则学习 8.强化学习 ...
分类：
其他好文 时间：
2019-12-29 18:52:15
阅读次数：
93
