【494】条件随机场，crf
强烈推荐：
参考：
- 概率论09 期望
- 从全概率公式与贝叶斯公式原理讨论，引出贝叶斯估计理论及其具体应用
- 概率图模型（PGM）：贝叶斯网（Bayesian network）初探
- 指数分布族
- 联合概率、边缘概率、条件概率之间的关系&贝叶斯公式
- 概率论07 联合分布
- 概率图之马尔可夫随机场（Markov Random Field，MRF）
- 概率图模型
- 如何用简单易懂的例子解释条件随机场（CRF）模型？它和HMM有什么区别？
另一个回答：https://www.zhihu.com/question/35866596/answer/139485548 - Introduction to Conditional Random Fields
- An Introduction to Conditional Random Fields
一、概率图
条件独立性证明
a → b，a —— tail，b —— head
tail to tail，若a被观测，则路径被阻塞，b 与 c，在给定 a 的情况下，条件独立
总结
D-Seperation，D划分（D分离）
Markov Blanket
