摘要：
1.朴素贝叶斯分类器（NBs：Naive Bayes） 贝叶斯网络： 2.最大熵模型（MEM：Maximum Entropy Model） 3.隐马尔可夫模型（HMM：Hidden Markov Models） 4.最大熵马尔可夫模型（MEMM：Maximum Entropy Markov Mode 阅读全文
摘要：
阅读全文
摘要：
主动学习方法 增量学习 阅读全文
摘要：
马尔科夫随机场（Markov Random Fields, MRFs） MRFs与Gibbs分布等价。 条件随机场（Conditional Random Fields, CRFs）： CRFs的训练方法：迭代梯度法（Iterative Scaling）和L-BFGS 迭代梯度法包括：GIS(Gene 阅读全文
摘要：
参数估计：主要有EM算法和Gibbs采样 EM算法： Gibbs采样： 阅读全文
摘要：
概率图模型建模分为三种：专家建模，数据建模，知识库建模。 结构学习： （1）基于评分搜索的结构学习： a.评分函数 所谓超参数，就是机器学习模型里面的框架参数，比如聚类方法里面类的个数，或者话题模型里面话题的个数等等，都称为超参数。它们跟训练过程中学习的参数（权重）是不一样的，通常是手工设定，不断试 阅读全文
摘要：
分为有向概率图模型(Directed Probabilistic Graphical Model)，无向概率图模型(Undirected Probabilistic Graphical Model)，混合概率图模型(Mixed Probabilistic Graphical Model)。 有向概率 阅读全文
摘要：
阅读全文