longroadtobigfactory

摘要： 1.Message Passing Algorithm 概率图模型G(V,E)由节点和边E构成。在之前的马尔科夫模型中，介绍到马尔科夫模型的本质是当两个人交流后，其意见（两个随机变量）同意0与不同意1的概率组合，而势函数（factor）表达的是两个人意见相同或向左的程度。 我们搞得那么麻烦，最后想要 阅读全文

摘要： Markov Network(马尔科夫网络) 1.Pairwise Markov Network（配对马尔科夫网络） 先看一个简单的例子，Alice、Bob、Debbie、Charles他们在一起成对学习，两个人的影响比如Alice和Bob，可能影响是由Alice流向Bob，也可能是由Bob流向Al 阅读全文

摘要： 贝叶斯网络(Bayesian Network) 1.Representation 引入一个student例子 根据各个结点之间的依赖关系比如学生的成绩和课程难度以及学生智力有关等，画出如下的图 如何用上面的图表示概率呢？ 对于每一个结点引入一个CPD(条件概率分布) 2.Chain Rule(链式规 阅读全文

摘要： 一.联合分布（Joint Distribution） 例子：Student Example 在该例子中有三个随机变量，分别是学生的智力Intelligence(I)、学生所上课程的难度Difficulty(D)、学生在该课程所得成绩Grade(G)。其中I有两个值分别是low和high，D有两个值分 阅读全文

摘要： 概率图 概率图模型是用图来表示 变量概率依赖关系 的理论，结合了概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。 一.概率论基础 1.条件概率 当事件B发生的情况下，事件A发生的概率。 2.全概率公式 设试验E的样本空间为S，A为E的事件，B1，B2，... ,Bi为S的一个划分，且 阅读全文