条件随机场模型简单介绍(1)

1/线性链条件随机场(判别式模型)vs隐马尔可夫模型(生成式模型):区别可参考朴素贝叶斯vs逻辑回归.       注意:条件随机场和HMM并无关系,线性链条件随机场和HMM是同一个问题,但是求解的方式不同

2/贝叶斯网络(概率有向图模型:典型代表HMM)vs无向图模型:条件随机场为概率无向图模型

3/ 贝叶斯网络----->无向图网络:找出贝叶斯网络中每一个节点的父节点,将该节点的父节点连接,然后去掉方向.(信息有变化,拓扑排序可以一定程度上减少条件独立性的破坏,但不能完全解决问题)

4/马尔科夫随机场(MRF)的独立性:成对马尔科夫性,局部马尔科夫性,全局马尔科夫性.     (满足三个独立性(其中之一)的无向图模型称为马尔科夫随机场.

5/马尔科夫随机场(MRF)vs条件随机场(CRF):前者为生成式模型,后者为判别式模型.参考 : https://www.quora.com/What-is-the-difference-between-Markov-Random-Fields-MRFs-and-Conditional-Random-Fields-CRFs-When-should-I-use-one-over-the-other