之前忘记强调了一个重要区别：条件概率链式法则和贝叶斯网络链式法则的区别
条件概率链式法则
贝叶斯网络链式法则，如图1
图1
乍一看很容易觉得贝叶斯网络链式法则不就是大家以前学的链式法则么，其实不然，后面详述。
上一讲谈到了概率分布的因式分解
可以看到条件概率的独立性可以直接从概率分布表达式看出来。
我们已经用概率图模型把...
分类：
其他好文 时间：
2014-05-20 15:22:39
阅读次数：
250
我们依然使用“学生网络”作为例子，如图1。
图1
首先给出因果推断（Causal Reasoning）的直觉解释。
可以算出来
即学生获得好的推荐信的概率大约是0.5.
但如果我们知道了学生的智商比较低，那么拿到好推荐信的概率就下降了：
进一步，如果又同时知道了考试的难度很低，那么他拿到好的推荐信得概率又上升了，甚至还能超过最初的概率：
上述这个...
分类：
其他好文 时间：
2014-05-18 05:31:10
阅读次数：
324
概率分布（Distributions）
如图1所示，这是最简单的联合分布案例，姑且称之为学生模型。
图1
其中包含3个变量，分别是：I（学生智力，有0和1两个状态）、D（试卷难度，有0和1两个状态）、G（成绩等级，有1、2、3三个状态）。
表中就是概率的联合分布了，表中随便去掉所有包含某个值的行，就能对分布表进行缩减。
例如可以去掉所有G不为1的行，这样就只剩下了1、4、...
分类：
其他好文 时间：
2014-05-16 01:25:00
阅读次数：
331
本文根据Daphne Koller的课程整理。
PDM(ProbabilisticGraphiccal Models)
称为概率图模型。下面分别说明3个词对应的意义。
概率
-给出了不确定性的明确量度。
-给出了根据不确定性进行推断的有力工具。
-利用数据结构，建立了进行学习的方法，解决十分大规模的问题。
图
这里主要用到2种概率图，用于表示依赖关系。如图1所示...
分类：
其他好文 时间：
2014-05-15 13:00:48
阅读次数：
295
M Model 模型数据V View 视图(界面)C
Controller控制器模型中不能拥有控制器和视图,模型有可能用来重用的,
包含了控制器就不能重用了,因为模型脱离控制器,就不能重用了视图不能直接访问模型视图和模型的联系都是通过控制器控制器向模型拿到数据展示到...
分类：
Web程序 时间：
2014-05-13 10:39:11
阅读次数：
258
http://acm.hdu.edu.cn/showproblem.php?pid=2236
找n个数使得这n个数都在不同的行和列里显然是二分图模型。难点在于求最大值与最小值差值最小。这里二分差值(看的题解)，进行试探是否可以匹配成功。
#include
#include
#include
#include
#include
#include
#includ...
分类：
其他好文 时间：
2014-05-09 02:39:47
阅读次数：
356
本文的主题是“贝叶斯网络”（Bayesian Network）
贝叶斯网络是一个典型的图模型，它对感兴趣变量（variables of
interest）及变量之间的关系（relationships）进行建模。当将贝叶斯模型与统计技术一起使用时，这种图模型分析数据具有如下几个优势：(1)
贝...
分类：
其他好文 时间：
2014-04-29 10:28:46
阅读次数：
521
