概率图模型笔记(7)——Knowledge Engineering

7.1 建立模式时应注意到的区别

　　(1)基于模板的VS特殊化的
　　基于模板的(例如图像分割)会有较少的变量类型，并且其提取的特征对预测结果有非常大的影响。特殊化(医学识别)则会有较多的变量类型。另外，也有两者混合的模型，例如对于错误识别模型，一个模型内是特殊化类型，多个需要错误识别的主体可能会采用相同的识别模型(基于模板).
　　(2)有向的VS无向的
　　(3)生成式VS判别式
　　对于有特定预测任务的模型来说，特征丰富的判别模型非常有用，并且能避免特征相关性。对于需要灵活处理的模型，可以使用生成式，并且它在确定的regime下非常易于训练。
　　注意，混合型的建模也是非常普遍的。

7.2 变量类型

　　(1)目标变量：即我们感兴趣的未知变量。
　　(2)观察变量：已知的变量，以及变量结构。
　　(3)隐变量：未知的且不感兴趣的变量。

7.3 参数：局部模型

　　上下文无关的离散模型：树形CPD
　　相关的离散模型：sigmoid、noisy or
　　上下文无关的连续模型：regression tree(thresholds)
　　相关的连续模型：线性高斯模型