概率图模型（一）：贝叶斯网络

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$X_1, ... , X_n$；对每一个节点$X_i$有一个条件概率分布（conditional probility distribution, CPD）$P(X_i|Par_G(X_i))$，其中 Pa