馬爾科夫隨機場(MRF)與條件隨機場(CRF)
阿新 • • 發佈:2019-01-27
看《統計學習方法》中的條件隨機場一章,覺得應該把馬爾科夫隨機場和條件隨機場一起總結一下。
1.馬爾科夫隨機場
1.1無向圖
假設有一組隨機變數
1.2 無向圖的隨機變數之間的馬爾科夫性
《統計學習方法》中介紹了三種馬爾科夫性,分別是成對馬爾科夫性,區域性馬爾科夫性和全域性馬爾科夫性,這三個概念差不多,這裡只介紹成對馬爾科夫性。
假設有兩個不連線的節點
即在給定
上述式子中,由於
說明在已知
1.3 馬爾科夫隨機場
若隨機變數
個人理解:在馬爾科夫隨機場中,隨機變數
2. 條件隨機場
在明白了馬爾科夫隨機場的定義後,再理解條件隨機場會比較簡單。
在條件隨機場中,有兩種隨機變數,分別是輸入
3. 馬爾科夫隨機場與條件隨機場的比較
MRF關注聯合概率分佈,CRF關注條件概率分佈。所以MRF屬於生成模型,而CRF屬於判別模型。因此個人認為它們之間的差別主要是生成模型與判別模型的差別。生成模型本身比判別模型描述能力強,因為聯合概率分佈可以推匯出條件概率分佈: (Y|X)=P(X,Y)P(X)
Quora上有一個關於這兩個模型差別的問題,請移步
這個網址