機器學習 —— 概率圖模型（推理：團樹算法）
在之前的消息傳遞算法中，談到了聚類圖模型的一些性質。其中就有消息不能形成閉環，否則會導致“假消息傳到最后我自己都信了”。為了解決這種問題，引入了一種稱為團樹（clique tree)的數據結構，樹模型沒有圖模型中的環，所以此模型要比圖模型更健壯，更容易收斂。 1.團樹模型 鏈模型是一種 ...
原文：機器學習 —— 概率圖模型（推理：采樣算法）
基於采樣的推理算法利用的思想是 概率 大樣本下頻率。故在獲得圖模型以及CPD的基礎上，通過設計采樣算法模擬事件發生過程，即可獲得一系列事件 聯合概率質量函數 的頻率，從而達到inference的目的。 采樣的做法 使用采樣算法對概率圖模型進行隨機變量推理的前提是已經獲得CPD。舉個簡單的例子，如果x x ,x ,x ,x 的概率分別是a ,a ,a ,a .則把一條線段分成a ,a ,a ,a ...
2016-02-29 21:57 0 8487 推薦指數：
相關推薦
機器學習 —— 概率圖模型（推理：MAP）
MAP 是最大后驗概率的縮寫。后驗概率指的是當有一定觀測結果的情況下，對其他隨機變量進行推理。假設隨機變量的集合為X ，觀察到的變量為 e， W = X-e , AP = P(W|e). 后驗概率和聯合概率是不同的兩個概念。事實上，后驗概率更接近推理本身的“意義”，並且被越來越多的用於診斷系統 ...
機器學習 —— 概率圖模型（推理：變量消除）
概率圖的一個重要作用是進行推理，針對某個隨機變量，告訴我們它到底有沒有可能，有多大可能發生。之前在representation相關的內容中，我們更多的關心如何利用概率圖減少聯合分布的計算量。inference相關的章節就是要介紹如何從聯合概率中獲得單個隨機變量的概率。 1.鏈狀變量消除 ...
機器學習 —— 概率圖模型（推理：決策）
Koller 教授把決策作為一種單獨的模塊進行講解，但我認為，決策和推理本質上是一樣的，都是在假設已知CPD或者勢函數的情況下對模型給出結論。 1、決策==逐利 決策的基本思想很intuitive，並且非常有用。在賭博行為中，最后獲得的錢與硬幣的正反，賭注的大小有關。硬幣的正反顯然是 ...
機器學習 —— 概率圖模型（推理：消息傳遞算法）
概率圖模型G(V,E)由節點V和邊E構成。在之前馬爾科夫模型相關的博客中，我談到馬爾科夫模型的本質是當兩個人交流后，其意見（兩個隨機變量）同意0與不同意1的概率組合。而勢函數表達的是兩個意見相同或者相左的程度。 我們搞的那么麻煩，最后想要得到的不就是每個意見正確與否（隨機變量取不同值 ...
機器學習 —— 概率圖模型（完結）
理論；3、概率圖模型。有這三種方法則可以對大部分學術問題進行建模，無論什么層面或是類別的問題，總能往這三種框架里塞 ...
機器學習 —— 概率圖模型（CPD）
CPD是conditional probability distribution的縮寫，翻譯成中文叫做 條件概率分布。在概率圖中，條件概率分布是一個非常重要的概念。因為概率圖研究的是隨機變量之間的練習，練習就是條件，條件就要求條件概率。 對於簡單的條件概率而言，我們可以用一個條件概率表 ...
機器學習 —— 概率圖模型（學習：對數線性模型）
對數線性模型是無向圖中經常使用的一種模型。其利用特征函數以及參數的方式對勢函數進行定義，可獲得較好的效果。在之前有向圖的學習中，我們發現可以利用d-seperet，充分統計，狄利克雷函數等方式來很優雅的獲得參數估計的解析解。但是在無向圖中，這些優越的條件都不復存在。而無向圖在現實條件下的使用 ...