BAYESIAN
Una red bayesiana , red Bayes , red de creencias , modelo Bayes (ian) o modelo gráfico acíclico dirigido probabilístico es un modelo gráfico probabilístico (un tipo de modelo estadístico) que representa un conjunto de variables aleatorias y sus dependencias condicionales a través de un gráfico acíclico dirigido ( TROZO DE CUERO). Por ejemplo, una red bayesiana podría representar las relaciones probabilísticas entre enfermedades y síntomas. Dados los síntomas, la red se puede usar para calcular las probabilidades de la presencia de diversas enfermedades.
MARKOV
- ¿Es aconsejable crear una aplicación basada en el aprendizaje automático y el procesamiento de imágenes sin comprender el concepto matemático subyacente?
- ¿Dónde usamos las matemáticas discretas y la probabilidad en informática?
- ¿Por qué la longitud desigual del texto es un problema en el procesamiento del lenguaje natural?
- ¿Qué empresas del área legal usan Machine Learning?
- ¿NVIDIA GTX 1050 Ti 4GB es suficiente para Deep Learning?
Un ejemplo de un campo aleatorio de Markov. Cada borde representa dependencia. En este ejemplo: A depende de B y D. B depende de A y D. D depende de A, B y E. E depende de D y C. C depende de E.
En el dominio de la física y la probabilidad, un campo aleatorio de Markov (a menudo abreviado como MRF ), una red de Markov o un modelo gráfico no dirigido es un conjunto de variables aleatorias que tienen una propiedad de Markov descrita por un gráfico no dirigido. En otras palabras, se dice que un campo aleatorio es un campo aleatorio de Markov si satisface las propiedades de Markov.
Una red de Markov o MRF es similar a una red bayesiana en su representación de dependencias; Las diferencias son que las redes bayesianas son dirigidas y acíclicas, mientras que las redes de Markov no están dirigidas y pueden ser cíclicas. Por lo tanto, una red de Markov puede representar ciertas dependencias que una red bayesiana no puede (como las dependencias cíclicas); Por otro lado, no puede representar ciertas dependencias que una red bayesiana puede (como las dependencias inducidas). El gráfico subyacente de un campo aleatorio de Markov puede ser finito o infinito.
Esto sería de gran ayuda con solo 13 páginas http://www.cs.cmu.edu/~epxing/Cl…
