確率的グラフィカルモデル 1: 表現

説明

確率的グラフィカルモデル（PGM）は、複雑なドメインにわたる確率分布をエンコードするための豊富なフレームワークです。相互に作用する多数の確率変数に対する共同（多変量）分布です。これらの表現は、確率論、グラフアルゴリズム、機械学習などの概念に依存して、統計学とコンピューターサイエンスの交差点にあります。これらは、医療診断、画像理解、音声認識、自然言語処理など、さまざまなアプリケーションにおける最先端の方法の基礎となっています。また、多くの機械学習の問題を定式化するための基本的なツールでもあります。

このコースは XNUMX 回シリーズの最初のコースです。ここでは、XNUMX つの基本的な PGM 表現について説明します。XNUMX つは有向グラフに依存するベイジアンネットワークです。マルコフネットワークは、無向グラフを使用します。このコースでは、これらの表現の理論的特性と実際の使用法の両方について説明します。 (強く推奨される) 優等トラックには、現実世界の問題を表現する方法に関する実践的な課題がいくつか含まれています。このコースでは、基本的な PGM 表現を超えたいくつかの重要な拡張機能も紹介します。これにより、より複雑なモデルをコンパクトにエンコードできるようになります。