概率图模型(一):贝叶斯网络

本文概述了斯坦福大学概率图模型课程中关于贝叶斯网络的内容,包括其定义(有向无环图DAG,条件概率分布CPD),概率影响的流动,如V结构和d-separation,条件独立的概念以及I-map和朴素贝叶斯模型的原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值