概率图模型(01): 概述 & 三种分布 （边缘 & 联合 & 条件）

转载 已于 2023-06-03 09:58:56 修改 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/thither_shore/article/details/52192553
文章标签：

#概率图模型

于 2019-06-28 15:42:12 首次发布
本文将根据ThitherShore在优快云博客中分享的Coursera课程资源，重新整理并介绍概率图模型的核心概念，包括边缘分布、联合分布及条件分布等关键知识点，为读者提供一份全面的概率图模型学习指南。

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

PGM 概率图模型基础概念和术语 Probabilistic Graphical Models Principles and Techniques
AI天才研究院
08-04 1187
概率图模型（Probabilistic Graphical Model, PGM）是机器学习中一种用来表示复杂系统及其关系的统计模型。它由一组变量、每个变量的取值集合、以及一系列随机变量之间依赖性函数（dependence function）所构成。PGM可以捕捉到不确定性，例如系统可能处于某种状态的概率分布、某个观测值产生的概率、某个事件发生的概率等，并对此做出概率上的预测。
AIGC图像去噪模型压缩与加速：让算法在边缘设备高效运行
最新发布
AI天才研究院
05-13 1048
边缘设备（如智能手机、物联网终端、嵌入式设备）具有计算资源有限（CPU/GPU算力弱、内存小）、功耗敏感、网络连接不稳定等特点。传统图像去噪算法（如BM3D、NLM）依赖手工特征，在复杂噪声场景下效果有限；基于深度学习的AIGC模型（如U-Net、Transformer）虽性能优异，但参数量大、计算复杂，难以直接部署到边缘。本文聚焦深度学习模型压缩与加速技术。
边缘分布和条件分布
要努力成为很厉害很厉害的人哦
02-19 2784
具体而言，如果有一个二维随机变量 (X, Y) 的联合分布，那么X的边缘分布就是在所有可能的Y值上对联合分布进行求和或积分，得到X的分布。同理，Y的边缘分布是在所有可能的X值上对联合分布进行求和或积分，得到Y的分布。在这些公式中，P(X=x,Y=y) 表示X和Y同时取特定值的联合概率（离散情况下），fXY​(x,y) 表示X和Y的联合概率密度函数（连续情况下），而 P(Y=y) 或 fY​(y) 表示边缘分布。总的来说，边缘分布关注单个变量的分布，而条件分布关注在给定其他变量的条件下某个特定变量的分布。
概率图模型
萝卜虫的博客
05-03 1243
首先，介绍一下概率图的概念。 　　概率图模型是一种通用化的不确定知识表示和处理方法。它是在概率模型的基础上，使用基于图的方法来表示概率分布。 　　概率图模型，是一个图，结点表示变量，结点之间的边表示概率关系。根据图模型的边是否有向，概率图模型通常被划分成有向概率图模型和无向概率图模型。 　　有向图模型分为静态贝叶斯网络、动态贝叶斯网络（隐马尔可夫模型、卡尔曼滤波器等）；无向图模型主要
CS229《机器学习》笔记 | 多元高斯分布的边缘分布和条件分布
X的博客
12-15 8626
吴恩达的《机器学习（CS229）》Lecture note 9（Part X Factor analysis）中提及了多元高斯分布的边缘分布和条件分布，指出这两者本身亦是高斯分布，但没有给出详细的证明。我自己尝试着推导，但不得要领，直到上网搜索后才恍然大悟。现将该证明过程记录于此，关键在于对协方差矩阵进行LDU分解。 边缘分布 一个多元概率分布的部分元所服从的概率分布即边缘分布，通过将剩余元求...
详解概率图模型——概述
Avery123123的博客
11-06 1420
详解概率图模型——概述详解概率图模型——概述概率图概览有向图 vs. 无向图有向图无向图判别式（discriminative）模型 and 生成式(generative)模型判别式模型生成式模型 详解概率图模型——概述 概率图 概览 有向图 vs. 无向图 有向图 对于有向图模型，这么求联合概率： 举个例子，对于下面的这个有向图的随机变量 应该这样表示他们的联合概率: 贝叶斯网络：有向图模...
概率图模型：原理与技术概述
本书首先介绍了概率论的基础知识，包括联合分布、条件分布、边缘分布以及贝叶斯定理，这些是理解概率图模型的基础。接着，作者详细讨论了两种主要的概率图模型类型：有向图模型（Bayesian Networks）和无向图模型...
概率图模型 python_概率图模型:原理与技术 PDF 扫描高清版
weixin_39971172的博客
12-09 778
给大家带来的一篇关于概率相关的电子书资源，介绍了关于概率图、模型、原理、技术方面的内容，本书是由清华大学出版社出版，格式为PDF，资源大小177 MB，Daphne Koller编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.6。内容介绍概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。本书详细论述了有向图模型(又称贝叶斯网)和无向图模型(又称马尔可夫网)的表示、推理...
概率图模型-原理与技术 第二章 基础知识 学习笔记
我的博客
01-11 3866
概率图模型 第二章 基础知识 学习笔记
深入理解边缘高斯分布与条件高斯分布
新型多传感器导航融合算法及基于贝叶斯框架下自适应鲁棒滤波
01-23 2684
多元高斯分布在统计学和机器学习领域中扮演着关键的角色。在这个分布的框架下，我们经常会遇到边缘高斯分布和条件高斯分布，它们分别涉及了从原始分布中选择一部分变量和在已知条件下计算其他变量的概率分布。本文将深入研究这两个概念，探讨它们的核心思想、数学表示以及在实际问题中的应用。
概率图模型: Coursera课程资源分享和简介
女王の专属领地
12-12 2537
转载自：http://blog.youkuaiyun.com/thither_shore/article/details/52185758 本博客中概率图模型（Probabilistic Graphical Model）系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线，结合资料（每篇博文脚注都附有链接）加以补
Hadoop实训学习记录
qq_40660825的博客
08-16 802
联合概率 联合概率是指在多元的概率分布中多个随机变量分别满足各自条件的概率。假设X和Y都服从正态分布，那么P{X<4,Y<0}就是一个联合概率，表示X<4,Y<0两个条件同时成立的概率。表示两个事件共同发生的概率。A与B的联合概率表示为 P(AB) 或者P(A,B),或者P（A∩B）。 假设X和Y都服从正态分布，那么P{X<4,Y<0}就是一个联合概率，表示X<4,Y<0两个条件同时成立的概率。 联合概率：表示两个事件共同发生的概率。A与B的联合概率表示为 P
条件概率、边缘概率、联合概率的简单理解
魏菱延的博客
05-21 2901
以两个随机变量（X,Y）为例： 圆A的代表事件X发生时对应的所有可能状态 圆B的代表事件Y发生时对应的所有可能状态 边缘概率：圆A的面积或圆B的面积 联合概率：圆A与圆B的交集 条件概率 ：联合概率/对应的边缘概率 如：P(A|B) = 交集/ 圆B的面积（B的边缘概率） ...
边缘分布直方图
u013668078的专栏
09-23 5148
边缘分布直方图作为一种简单有效的形状表示方法，在目标检测，目标识别等方面一直有着广泛的应用。 边缘检测根本上说就是通过比较图像各点的边缘方向信息来进行识别。 一般我们采用MPEG-7对图像边缘的定义对图像中各点的边缘信息进行分类。 MPEG-7将图像边缘分为五个方向，水平、竖直、斜45度、斜135度和无方向。这五种方向分别对应五个不同的边缘描述子，具体如下图所示            
概率分布，独立同分布在图像分类与检测中到底代表什么？
zxyhhjs2017的博客
03-01 4550
概率分布，与图像到底是什么关系? 举个例子就明白了：比如一个训练集的图像，里面有很多张图像，假如要检测一张图像是不是属于猫，p(x)就是边缘概率，其中x代表随机事件，这个事件可以映射成一个具体的值，比如0，也就变成了随机变量，假如这个随机事件代表一张图像里面有两个耳朵出现的概率，假如这个训练集的图像里的每一张图片要不就是猫，要不就是花花草草树木，所以出现两个耳朵的概率就是所有猫的图片除以真个
图模型概述：三种分布（联合、条件、边缘分布）
爱编程的小屁孩的博客
09-29 6713
图模型的预备知识：联合、条件、边缘分布讲的比较好 https://blog.youkuaiyun.com/thither_shore/article/details/52192553
概率图模型理解
热门推荐
isMarvellous的博客
12-17 1万+
今天在看《Deep Learning》时候看到了概率图模型，但上面并没有详细介绍，考虑到有很多模型其实都是概率图模型，比如贝叶斯网络、隐马尔科夫模型（HMM）、条件随机场（CRF）等等，应用还挺广泛的，于是就去学习一下到底什么是概率图模型。本文主要参考了《Pattern Recognition and Machine Learning》，如果有什么理解不到位的地方，还请大家指教。概述为什么会有概率图
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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