原书出处
机器学习算法原理与编程实践
11 第11章 概率图模型与词性标注
Bayesian Network),它是本节中表11.3给出的联合概率分布的分解的直观表示。 图11.4 贝叶斯网模型
贝叶斯网是一个有向无圈图,每个节点都代表一个随机变量,节点间的有向边代表变量间的依赖关系。此外,每个节点都附有一个概率分布,根节点Root(例如B、E)所附的是边缘分布P(Root),而非根节点Node(例如S、M、E)所附的是条件概率分布P(Node|π(Node))。
因此,贝叶斯网具有定性和定量两层含义。所谓定性层面就是指贝叶斯网的图结构,它刻画了随机变量间的相互关系:依赖关系和独立
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00037.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d