PRML-贝叶斯网络
来源:互联网 发布:阿里云备案号在哪查看 编辑:程序博客网 时间:2024/06/17 03:30
把贝叶斯网络当做图来描述的
宏观一下,google显示此图
用图表示概率分布,和马尔科夫链甚是有渊源,联想到有人用neo4j图数据库的ER图解决n-gram问题,肯定都是一个套路
给出
继续
得到下图基本表示
这里存在一个矛盾,公式里左边是对称的,而右边变成有向的了,看下文。
我们可以想象,如果联合概率分布扩展到k维,很显然会是一个全连接graph,但实际上现实中很大部分是下图表述
分布为
对于之前的多项式拟合问题,加上点随机元素,全连接的联合概率分布可以更泛华的表述为
这里的
这两附图的区别就是多了随机性,也给出了
0 0
- PRML-贝叶斯网络
- PRML读书会第八章 Graphical Models(贝叶斯网络,马尔科夫随机场)
- PRML 02 Introduction:贝叶斯概率
- [PRML] Bayesian Learning 贝叶斯学习方法
- [PRML] Bayesian Learning 贝叶斯学习方法
- 贝叶斯网络(Bayesian network))简介(PRML第8.1节总结)概率图模型(Graphical models)
- PRML勘误表
- PRML杂记
- PRML学习
- PRML读书会
- PRML笔记
- 概率论PRML
- 今天开始学模式识别与机器学习(PRML),章节5.1,Neural Networks神经网络-前向网络。
- 今天开始学模式识别与机器学习(PRML),章节5.1,Neural Networks神经网络-前向网络。
- PRML读书会第五章 Neural Networks(神经网络、BP误差后向传播链式求导法则、正则化、卷积网络)
- 从贝叶斯推断角度理解机器学习模型(PRML全书概括)
- PRML之Approximate Inference
- prml 图模型读书笔记
- 2.2.1 postfix的体系架构——postfix的模块化设计原理
- Android UI基础——Notification控件
- java 蛇形矩阵
- 第五周项目3(2)
- C++作业3
- PRML-贝叶斯网络
- Apache Shiro 快速入门教程
- Plotly(在线可视化数据制作)
- 2.2.2 postfix的命令行工具
- HTML5
- 对android应用程序的理解
- iOS 微博 sdk access_token 过期重登
- HMM学习笔记_2(从一个实例中学习HMM前向算法)
- 深度学习(八)caffe源码学习-未完待续