原创力文档- 1、本文档共42页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
概率图模型
-2-
大纲
•2019年1月12日
•隐马尔可夫模型
•马尔可夫随机场
•条件随机场
•2019年1月19日
•学习与推断
•近似推断
•话题模型
•2019年1月26日
•概率计算问题
•实战
-3-
隐马尔可夫模型
-4-
概率模型
机器学习最重要的任务是根据已观察到的证据（例如训练样本）对
感兴趣的未知变量（例如类别标记）进行估计和推测。
概率模型（probabilisticmodel）提供了一种描述框架，将描述
任务归结为计算变量的概率分布，在概率模型中，利用已知的变量
推测未知变量的分布称为“推断（inference）”，其核心在于基
于可观测的变量推测出未知变量的条件分布
生成式：计算联合分布(,,)
判别式：计算条件分布(,|)
符号约定
为关心的变量的集合，O为可观测变量集合，R为其他变量集合
-5-
概率模型
直接利用概率求和规则消去变量R的时间和空间复
杂度为指数级别别(2+||)，需要一种能够简
洁紧凑表达变量间关系的工具
概率图模型
-6-
概率模型
概率图模型(probabilisticgraphicalmodel)是一类用图来表达变
量相关关系的概率模型
图模型提供了一种描述框架，
结点：随机变量（集合）
边：变量之间的依赖关系
分类：
有向图：贝叶斯网
使用有向无环图表示变量之间的依赖关系
无向图：马尔可夫网
使用无向图表示变量间的相关关系
-7-
概率模型
概率图模型分类：
有向图：贝叶斯网
无向图：马尔可夫网
-8-
隐马尔可夫模型
隐马尔可夫模型（HiddenMarkovModel，HMM）
组成
状态变量：,,…,通常假定是隐藏的，不可被观测的
12
取值范围为，通常有个可能取值的离散空间
观测变量：,,…,表示第时刻的观测值集合
12
观测变量可以为离散或连续型，本章中只讨论离散型观测变量，取值范围
为,,…,
12
-9-
隐马尔可夫模型
隐马尔可夫模型（HiddenMarkovModel，HMM）
时刻的状态仅依赖于−1时刻状态，与其余−2个状
文档评论（0）