条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 概率有向图 (PRML8.2总结)

转:http://www.cnblogs.com/Dzhouqi/p/3204481.html
本文会利用到上篇,博客的分解定理,需要的可以查找上篇博客

条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 概率有向图 (PRML8.2总结)_第1张图片

 

 

D-separation对任何用有向图表示的概率模型都成立,无论随机变量是离散还是连续,还是两者的结合。

 

条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 概率有向图 (PRML8.2总结)_第2张图片

 

 部分图为手写,由于本人字很丑,望见谅,只是想把PRML书的一些部分总结出来,给有需要的人看,希望能帮到一些人理解吧。

你可能感兴趣的:(Condition)