機器學習-概率圖模型
概率圖含義
概率圖模型是用圖來表示變量概率依賴關系的理論，結合概率論與圖論的知識，利用圖來表示與模型有關的變量的聯合概率分布
如果用一個詞來形容概率圖模型（Probabilistic Graphical Model）的話，那就是“優雅”。對於一個實際問題，我們希望能夠挖掘隱含在數據中的知識。概率圖模型構建了這樣一幅圖，用觀測結點表示觀測到的數據，用隱含結點表示潛在的知識，用邊來描述知識與數據的相互關系，最后基於這樣的關系圖獲得一個概率分布，非常“優雅”地解決了問題。
概率圖中的節點分為隱含節點和觀測節點，邊分為有向邊和無向邊。從概率論的角度，節點對應於隨機變量，邊對應於隨機變量的依賴或相關關系，其中有向邊表示單向的依賴，無向邊表示相互依賴關系。
概率圖分類
- 貝葉斯網絡
- 馬爾可夫網絡
概率圖模型分為貝葉斯網絡（Bayesian Network）和馬爾可夫網絡（Markov Network）兩大類。
貝葉斯網絡可以用一個有向圖結構表示，馬爾可夫網絡可以表示成一個無向圖的網絡結構。
更詳細地說，概率圖模型包括了朴素貝葉斯模型、最大熵模型、隱馬爾可夫模型、條件隨機場、主題模型等，在機器學習的諸多場景中都有着廣泛的應用。