马尔科夫随机场(MRF)与条件随机场(CRF)
2015-05-13 17:53
232 查看
看《统计学习方法》中的条件随机场一章,觉得应该把马尔科夫随机场和条件随机场一起总结一下。
假设有两个不连接的节点uu和vv,其分别对应随机变量YuY_u和YvY_v,剩余的节点记为OO,对应随机变量为YOY_O。如果uu和vv满足成对马尔科夫性,即
P(Yu,Yv|YO)=P(Yu|YO)P(Yv|YO)P(Y_u,Y_v|Y_O) = P(Y_u|Y_O)P(Y_v|Y_O)
即在给定YOY_O的情况下,YuY_u与YvY_v是独立的。
上述式子中,由于P(Yu,Yv|YO)=P(Yu|YO)P(Yv|Yu,YO)P(Y_u,Y_v|Y_O) = P(Y_u|Y_O)P(Y_v|Y_u,Y_O),所以也等价于:
P(Yv|Yu,YO)=P(Yv|YO)P(Y_v|Y_u,Y_O) = P(Y_v|Y_O)
说明在已知YOY_O的情况下,知道或不知道YuY_u对YvY_v的条件概率没有影响。
个人理解:在马尔科夫随机场中,随机变量YY可以看做既是输入,又是输出。
在条件随机场中,有两种随机变量,分别是输入XX和输出YY,条件随机场关心条件概率P(Y|X)P(Y|X)。若在给定输入XX的情况下,随机变量YY构成的无向图G=(V,E)G=(V,E)是一个马尔科夫随机场,即:
P(Yv|X,Yu,YO)=P(Yv|X,YO)P(Y_v|X,Y_u,Y_O) = P(Y_v|X,Y_O)
Quora上有一个关于这两个模型差别的问题,请移步
这个网址
1.马尔科夫随机场
1.1无向图
假设有一组随机变量Y={Y1,Y2,...,Yn}Y=\{Y_1, Y_2,...,Y_n\}, 具有联合概率分布P(Y)P(Y)。此联合概率分布可以由一个无向图G=(V,E)G = (V,E)来表示。 其中VV 和 EE 分别是图GG 的节点和边。某个节点vi∈Vv_i \in V 代表一个随机变量YiY_i,而某一条边e∈Ee\in E 代表连接着的两个随机变量之间的关系。1.2 无向图的随机变量之间的马尔科夫性
《统计学习方法》中介绍了三种马尔科夫性,分别是成对马尔科夫性,局部马尔科夫性和全局马尔科夫性,这三个概念差不多,这里只介绍成对马尔科夫性。假设有两个不连接的节点uu和vv,其分别对应随机变量YuY_u和YvY_v,剩余的节点记为OO,对应随机变量为YOY_O。如果uu和vv满足成对马尔科夫性,即
P(Yu,Yv|YO)=P(Yu|YO)P(Yv|YO)P(Y_u,Y_v|Y_O) = P(Y_u|Y_O)P(Y_v|Y_O)
即在给定YOY_O的情况下,YuY_u与YvY_v是独立的。
上述式子中,由于P(Yu,Yv|YO)=P(Yu|YO)P(Yv|Yu,YO)P(Y_u,Y_v|Y_O) = P(Y_u|Y_O)P(Y_v|Y_u,Y_O),所以也等价于:
P(Yv|Yu,YO)=P(Yv|YO)P(Y_v|Y_u,Y_O) = P(Y_v|Y_O)
说明在已知YOY_O的情况下,知道或不知道YuY_u对YvY_v的条件概率没有影响。
1.3 马尔科夫随机场
若随机变量YY的联合概率分布P(Y)P(Y)代表的无向图G=(V,E)G=(V,E)的每个节点均满足马尔科夫性,则GG是一个马尔科夫随机场。个人理解:在马尔科夫随机场中,随机变量YY可以看做既是输入,又是输出。
2. 条件随机场
在明白了马尔科夫随机场的定义后,再理解条件随机场会比较简单。在条件随机场中,有两种随机变量,分别是输入XX和输出YY,条件随机场关心条件概率P(Y|X)P(Y|X)。若在给定输入XX的情况下,随机变量YY构成的无向图G=(V,E)G=(V,E)是一个马尔科夫随机场,即:
P(Yv|X,Yu,YO)=P(Yv|X,YO)P(Y_v|X,Y_u,Y_O) = P(Y_v|X,Y_O)
3. 马尔科夫随机场与条件随机场的比较
MRF关注联合概率分布,CRF关注条件概率分布。所以MRF属于生成模型,而CRF属于判别模型。因此个人认为它们之间的差别主要是生成模型与判别模型的差别。生成模型本身比判别模型描述能力强,因为联合概率分布可以推导出条件概率分布:P(Y|X)=P(X,Y)P(X)P(Y|X) = \frac{P(X,Y)}{P(X)};而判别模型收敛比较快。Quora上有一个关于这两个模型差别的问题,请移步
这个网址
相关文章推荐
- 马尔科夫随机场(MRF)与条件随机场(CRF)
- 马尔科夫随机场(MRF)与吉布斯分布(Gibbs)
- MRF马尔科夫随机场详解-PGM系列
- 马尔科夫随机场MRF的思考
- 条件随机场CRF(一)从随机场到线性链条件随机场
- 马尔科夫随机场MRF
- PGM学习之七 MRF,马尔科夫随机场
- (转)关于 马尔科夫随机场MRF 的思考
- Markov随机场(MRF)和条件随机场(CRF)
- (转)关于 马尔科夫随机场MRF 的思考
- PGM学习之七 MRF,马尔科夫随机场
- MRF马尔科夫随机场
- (转)关于 马尔科夫随机场MRF 的思考
- 关于马尔科夫随机场MRF的思考
- MRF,马尔科夫随机场
- 关于马尔科夫随机场MRF的思考
- 图像语义分割,全卷积网络FCN和条件随机场CRF、马尔可夫随机场MRF
- 马尔科夫随机场(MRF)
- PGM学习之七 MRF,马尔科夫随机场
- Mark 概率图模型PGM和马尔科夫随机场MRF