机器学习强基计划6-2:详细推导马尔科夫随机场(MRF)及其应用(附例题)

目录

  • 0 写在前面
  • 1 无向概率图
  • 2 马尔科夫随机场
  • 3 马尔科夫独立性
  • 4 例题分析

0 写在前面

机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖,由本人亲自从底层编写、测试与文章配套的各个经典算法,不依赖于现有库,可以大大加深对算法的理解。

详情:机器学习强基计划(附几十种经典模型源码)


在机器学习强基计划5-1:概率图开篇,机器学习中的图论总结(附思维导图)中我们介绍了什么是概率图模型,而概率图模型主要分为

  • 有向无环概率图——经典的有向概率图为贝叶斯网络
  • 无向概率图——经典的无向概率图为马尔科夫随机场

你可能感兴趣的:(机器学习强基计划,人工智能,python,数据挖掘)