概率图模型

一 概率图分类

对于概率图模型（Probabilistic Graphical Model，PGM）：

1.如果随机变量是离散的，可以分为贝叶斯网络（Bayesian Network）（有向图）和马尔科夫网络（Markov Network）（无向图）

2.如果随机变量是连续的，我们把概率图模型称为高斯网络，它是假设随机变量服从高斯分布。它又可以进一步划分为高斯贝叶斯网络（Gaussian Bayesian Network，GBN）和高斯马尔科夫网络（Gaussian Markov Network，GMN）

---

二 马尔可夫性

如果p(X,Y|Z)=p(X|Z)p(Y|Z),则称事件X,Y对给定事件Z是条件独立的,称为马尔科夫性

---

三  贝叶斯网络和马尔科夫网络 

概率图模型(模型表示)

---

四 高斯网络

机器学习笔记之高斯网络(一)基本介绍_静静的喝酒的博客-CSDN博客_高斯网络