概率图模型(01): 概述 & 三种分布 （边缘 & 联合 & 条件）

　　本博客中概率图模型（Probabilistic Graphical Model）系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线，结合资料（每篇博文脚注都附有链接）加以补充. 博文的章节编号与课程视频编号一致，详情见 PGM（概率图模型）Coursera: 课程资源分享和简介.
　　笔记持续更新，为便于对照课程查阅，博文中章节编号和名称与课程视频的编号和名称一致.

1. Welcome

　　生活中很多任务需要人活自动系统推理完，即利用合适的信息去获取结论。例如， 医生需要了解患者的信息一一症状、化验结果、个性特征——并对可能的疾病和采用的治疗方案做出结论。概率图模型属于机器学习一种，能够使计算机系统完成上述类型的任务。

2. Overview and Introduction

2.1 动机

2.1.1 陈述性表示 ( Declarative Representa tion )

 　　面对一个问题，我们通常会先用陈述性表示（Declarative Representation）形式化**这个问题，从而极大地方便了对问题的求解。

• 使得我们可以通过构建模型描述客观世界中的复杂问题，并对其进行推理。