分类

• 有向图模型（贝叶斯网络）
• 无向图模型（马尔可夫网络）

推断

<aside> 💡 概率图模型能够轻松地推出所有变量的联合分布，例如在贝叶斯网络中：联合发布可以分解为一系列条件概率和边缘概率之积，条件概率是所有的“有入边节点”变量的条件概率，边缘概率来源于“无入边节点（源）”变量的概率，这些概率通常都是已知的（先验和似然）。

</aside>

• 推断指的是对网络中未知的条件概率或者边缘概率分解为已知概率的函数的过程。
• 精确推断
  • 变量消去法
  • 信念传播
• 近似推断
  • MCMC采样

MCMC 方法

吉布斯采样

适用于当条件概率易于采样，求取多变量联合分布的采样的情形

https://zh.wikipedia.org/wiki/吉布斯采样