因子圖

將一個具有多變數的全局函式因子分解，得到幾個局部函式的乘積，以此為基礎得到的一個雙向圖叫做因子圖。在機率論及其套用中, 因子圖是一個在貝葉斯推理中得到廣泛套用的模型。

基本介紹

• 中文名：因子圖
• 領域：機率論

簡介

將一個具有多變數的全局函式因子分解，得到幾個局部函式的乘積，以此為基礎得到的一個雙向圖叫做因子圖。在機率論及其套用中,因子圖是一個在貝葉斯推理中得到廣泛套用的模型。

定義

因子圖使用一種二模圖用來表示函式因式分解後的結果。 設有函式

其中其對應的因子圖包括變數節點因子節點和邊邊通過下列因式分解結果得到：在因子節點和變數節點之間存在邊的充要條件是存在。

貝葉斯網路

貝葉斯網路（Bayesian network），又稱信念網路（belief network）或是有向無環圖模型（directed acyclic graphical model），是一種機率圖型模型，藉由有向無環圖（directed acyclic graphs, or DAGs）中得知一組隨機變數及其n組條件機率分布（conditional probability distributions, or CPDs）的性質。舉例而言，貝葉斯網路可用來表示疾病和其相關症狀間的機率關係；倘若已知某種症狀下，貝葉斯網路就可用來計算各種可能罹患疾病之發生機率。

參考

• 信念傳播
• 貝葉斯推理
• 條件機率
• 馬爾科夫鏈
• 貝葉斯網路