知识卡片
有向依赖不自动表示因果
贝叶斯网络以有向无环图分解联合概率,节点分布条件在其父节点上。箭头若要解释为因果关系,还需要额外语义和假设;普通概率依赖图本身不足以证明因果。无向模型则通过势函数与归一化刻画相互作用。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
表示理论将图模型分为如下两个类别:贝叶斯网络(Bayesian Network)和马尔科夫随机场(Markov Random Field)。其中,贝叶斯网络采用有向无环图(Directed Acyclic Graph)来表达事件的因果关系,
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html)
- 结论依据:摘录中关于有向依赖不自动表示因果的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:表示理论将图模型分为如下两个类别:贝叶斯网络(Bayesian Network)和马尔科夫随机场(Markov Random Field)。其中,贝叶斯网络采用有向无环图(Directed Acyclic Graph)来表达事件的因果关系,