这部分文章主要是总结斯坦福大学的概率图模型课程(coursera链接)
Graohical Model主要分为两种:
贝叶斯网络(Bayesian Network)和马尔科夫随机场(Markov Network)
概率图理论共分为三个部分:
概率图模型表示理论、概率图模型推理理论和概率图模型学习理论。
贝叶斯网络基础
Semantics & Factorization
首先用一个学生成绩的例子引出了贝叶斯网络的定义:
贝叶斯网络是一个有向无环图(directed acyclic graph, DAG)G,其中节点表示的是随机变量 X1,...,Xn ;对每一个节点 Xi 有一个条件概率分布(conditional probility distribution, CPD) P(Xi|ParG(Xi)) ,其中 Pa