知识卡片
条件独立可简化边缘求和
想得到部分变量的联合分布,可以对剩余变量的可能取值求和。图模型结构能指出哪些因子在给定某变量后互不依赖,因而可把与求和变量无关的因子提到外面。共同父节点未观测时,两个子变量仍可能相关。
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
- 第7章 贝叶斯分类器 · 查看原书依据
式(7.27)
参考来源
- 位置:《机器学习公式详解》第7章 贝叶斯分类器(book-source:`extracted/机器学习公式详解/_epub-src/text/part0013_split_000.html`,式(7.27))
- 结论依据:式(7.27)及后续图示通过给定父节点或中间节点简化条件分布。
- 原始内容:式(7.27)
- 原式图像替代文本:`\begin{aligned} P\left(x_{1}, x_{2}\right) &=\sum_{x_{4}} P\left(x_{1}, x_{2}, x_{4}\right) \\ &=\sum_{x_{4}} P\left(x_{4} \mid x_{1}, x_{2}\right) P\left(x_{1}\right) P\left(x_{2}\right) \\ &=P\left(x_{1}\right) P\left(x_{2}\right) \end{aligned}`