← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9897.e · 生成模型:Hunyuan

分离与d-分离判定

理解等级:高级

图模型不仅要表达直接作用,还要能读出给定其他变量时哪些变量条件独立。无向图中这叫分离:若连接两变量的所有路径都含被观察变量(路径非活跃),二者分离;只要存在只经未观察变量的活跃路径,就仍然依赖。有向图中对应概念叫 d-分离,判断更绕:链式与共因路径在中间变量被观察时阻塞,而 V-结构(碰撞)恰好相反——观察子结点会通过相消解释让两个原本独立的父结点变得相关,观察其后代同样如此。关键边界是分离与 d-分离只反映图隐含的条件独立性:完全图不隐含任何独立性,而当 a=0 时 b、c 独立、当 a=1 时 b 确定等于 c 这类依赖具体取值的条件独立,无法用普通图符号表达。

这张卡片看不懂?

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

    参考来源

    - 位置:《深度学习》第16章 深度学习中的结构化概率模型(源文件:extracted/深度学习/_epub-src/text/part0006_split_000.html) - 结论依据:原文定义活跃与非活跃路径、d-分离,并用 V-结构的相消解释说明观察会启用依赖而非切断依赖。 - 原始内容:图模型中的边告诉我们哪些变量直接相互作用。我们经常需要知道哪些变量间接相互作用。某些间接相互作用可以通过观察其他变量来启用或禁用。