From c98bb055d590585f36a2b2a9740eef2968b88517 Mon Sep 17 00:00:00 2001 From: Yiyang Date: Tue, 23 Mar 2021 19:40:14 +0800 Subject: [PATCH] Update 5.1 Bayes Network.md --- Machine Learning/5.1 Bayes Network/5.1 Bayes Network.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/Machine Learning/5.1 Bayes Network/5.1 Bayes Network.md b/Machine Learning/5.1 Bayes Network/5.1 Bayes Network.md index 8d97b78..7598349 100644 --- a/Machine Learning/5.1 Bayes Network/5.1 Bayes Network.md +++ b/Machine Learning/5.1 Bayes Network/5.1 Bayes Network.md @@ -19,7 +19,7 @@ 概率图中的节点分为隐含节点和观测节点，边分为有向边和无向边。从概率论的角度，节点对应于随机变量，边对应于随机变量的依赖或相关关系，其中**有向边表示单向的依赖，无向边表示相互依赖关系**。 -概率图模型分为**贝叶斯网络（Bayesian Network）和马尔可夫网络（Markov Network）**两大类。贝叶斯网络可以用一个有向图结构表示，马尔可夫网络可以表 示成一个无向图的网络结构。更详细地说，概率图模型包括了朴素贝叶斯模型、最大熵模型、隐马尔可夫模型、条件随机场、主题模型等，在机器学习的诸多场景中都有着广泛的应用。 +概率图模型分为**贝叶斯网络（Bayesian Network）和马尔可夫网络（Markov Network）**两大类。贝叶斯网络可以用一个有向图结构表示，马尔可夫网络可以表示成一个无向图的网络结构。更详细地说，概率图模型包括了朴素贝叶斯模型、最大熵模型、隐马尔可夫模型、条件随机场、主题模型等，在机器学习的诸多场景中都有着广泛的应用。 ## 2. 细数贝叶斯网络