機器學習 課件 第9章 概率圖模型_第1頁
機器學習 課件 第9章 概率圖模型_第2頁
機器學習 課件 第9章 概率圖模型_第3頁
機器學習 課件 第9章 概率圖模型_第4頁
機器學習 課件 第9章 概率圖模型_第5頁
已閱讀5頁，還剩26頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

第9章概率圖模型《機器學習》胡曉目錄9.1聯(lián)合概率9.2概率有向圖9.3概率圖向圖9.4因子圖與和積算法9.1聯(lián)合概率

9.2概率有向圖

9.2概率有向圖

9.2概率有向圖

9.2概率有向圖定理9.1：父結點給定下，該結點與其所有非后代結點(non-descendants)條件獨立。

9.2概率有向圖

貝葉斯網絡表示通常由領域專家根據研究對象先驗知識進行建立模貝葉斯網絡圖。一般分為三個步驟：確定變量集和變量域設計結點設計網絡結構定義變量之間的依賴關系參數學習表示聯(lián)合概率分布(包括局部概率分布或局部密度函數)。

9.2概率有向圖

(2)依據變量之間的依賴關系設計網絡拓撲結構

(3)

采用概率理論進行參數學習

9.2概率有向圖

(3)

采用概率理論進行參數學習

假設根據訓練數據已經獲得，

概率分布形式

9.2概率有向圖

變量消除法9.2概率有向圖

9.2概率有向圖

9.2概率有向圖

9.2概率有向圖

9.2概率有向圖

9.2概率有向圖

9.3概率無向圖

9.3概率無向圖

9.3概率無向圖

9.3概率無向圖

9.3概率無向圖

9.3概率無向圖

9.3概率無向圖

轉移特征函數狀態(tài)特征函數

9.4因子圖與和積算法

9.4因子圖與和積算法

9.4因子圖與和積算法

9.4因子圖與和積算法

9.4因子圖與和積算法

(2)變量結點則演化為邊緣

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論